ChatGPT与大模型研究

你做到了！欢迎来到《Practical MCP：Python 开发者指南》的最后一章。 在过去的七章里，你走过了一段精彩旅程： 第 1 章从宏观出发，理解了为什么 MCP 会成为 AI 的游戏规则改变

在上一章中，你迈入了高级服务器架构的领域：学会了将 MCP 服务器集成进标准 ASGI 应用，编写强大的中间件来拦截并处理 MCP 事件，甚至还能从 OpenAPI 规范自动生成整套工具。你已从构建独

在上一章中，你已经掌握了将 MCP 服务器推进到生产环境的要点：你学会了用 JWT 进行身份验证来保护工具，并将应用部署到现代的无服务器平台和传统虚拟机上。你已经构建、加固并部署了独立的 MCP 服务

在上一章中，你深入探索了 MCP 的核心，把服务器从简单的“命令—响应”系统升级为能与 LLM 协作的上下文感知伙伴。你学会了用 Resources 暴露只读数据、用 Prompts 引导 LLM，并

在前两章里，你已经取得了巨大的进步：第 2 章里，你从一片空白起步，构建了第一个 MCP 服务器，掌握了本地与远程通信；第 3 章里，你把自定义工具与 Anthropic、Google、OpenAI

在上一章里，你已经掌握了基础：你构建了第一个 MCP 服务器、定义了工具，并学会用本地（STDIO）与远程（HTTP）两种传输方式与之通信。你还结识了你的新挚友——MCP Inspector。 现在，

在上一章中，你了解了模型上下文协议（Model Context Protocol，MCP）的高层概览。你明白了它为何具有颠覆性：它能把孤立的 LLM 变成能够与世界互动的强大代理。你也看到了 MCP

你之所以来到这里，是因为你已经见识过 Claude、GPT、Gemini 等大型语言模型（LLM）的非凡威力。你或许用它们做出过很棒的东西，见过它们生成有创意的文本，甚至写出出乎意料的好代码。 但你八

现在你已经理解了图学习流水线及其传统 ML 方法，本章将介绍我们的开源图机器学习库 PyGraf。它是我们用于构建企业级稳健图学习生态的框架。 在本章中，我们将带你了解该库的架构与核心模块，并用第 3

在本章中，我们将探索应用于图的传统与非传统机器学习方法。随后，我们会在第 2 章奠定的基础之上，深入传统的基于图的机器学习。我们将先讨论图数据表示的细微差别，从通用方法过渡到对亚马逊共购（copurc

在第 1 章中，我们带你初探了企业环境中的图学习世界，讨论了其多种用例，并在章节结尾强调了它所带来的挑战。随着本书的推进，我们将对整条将要深入探讨的 GML 流水线做一个高层概览。这条流水线从头到尾覆

企业级图学习与推理的强大能力 图是表示各种自然现象的基础工具，在生态网络和水文网络中尤为明显。在生态网络中，如图 1-1 所示的食物网，节点代表不同物种，边则表示捕食–被捕食关系或营养级联系。同样，在

PyCUDA 中的动态 Kernel 编译 到目前为止，我们都是在 Python 脚本里以静态字符串的形式定义 CUDA C kernel，手动编写、一次性编译然后按需调用。这对于固定不变的 kern

选择线程块（Block）和网格（Grid）大小 在开发更高级的 GPU kernel 时，选择合适的线程块大小和网格大小是影响性能的关键因素。虽然 CUDA 的海量并行能力能加速大规模数据处理，但硬件

数组的逐元素操作 逐元素计算与 CuPy 在并行编程中，最常见且最直接的模式就是逐元素操作。在许多实际问题里，我们需要对大型数据集的每个元素执行相同的算术运算——加、减、乘、除，或更复杂的操作。GPU

主机与设备内存区域 理解主机内存与设备内存空间 每个 GPU 项目都有一个共同点：我们的数据可能存在于两种完全不同的地方——主机内存（Host Memory）和设备内存（Device Memory）。

安装 CUDA 驱动与工具包 我们已经用 CuPy 和 PyCUDA 编写并成功运行了首批 GPU kernel！到目前为止，我们的工作依赖于一个正确配置的开发环境。但随着深入 GPU 编程，并开始使

GPU 与 CPU 在数据处理上的比较 在这样一个时代，无论是科学、商业、工程、媒体，甚至我们日常的网页浏览，都依赖于日益增长的数据量。单个台式机或服务器的 CPU 足以应对整个工作流程的日子正在消逝

本章你将看到这些实用干货： ✅ 如何用 检索增强生成（RAG） 来减少胡说八道 ✅ 如何让大模型“反向监管”人类，来减少自动化偏见 ✅ 如何用大模型的 embedding 赋能传统机器学习算法 ✅ 如

本章要聊的事： 大模型跟人类在“学习方式”上的巨大差异 怎么让大模型在“低延迟”和“高并发”应用中表现更靠谱 让大模型“边走边想”：中间结果也能变成更好的最终答案 为啥大模型不是万能的？背后有计算复杂