AI应用开发

1. 为什么会出现 ConversationChain？ 除自行构建带记忆的对话链之外，LangChain也为我们准备了现成可用的链，不需要手动 load_memory_variables 和 sav

1. 为什么需要记忆？ 1.1. 大模型无状态 每次请求独立，不会主动记住上一轮内容。 典型翻车场景： 1.2. 解决思路 把历史对话当成消息列表的一部分塞给模型。 与小样本提示原理相同： 系统消息

1. 为什么要学“输出解析器”？ 没有解析器 有了解析器 AI 想回啥就回啥，格式千奇百怪 让 AI 先立规矩再说话 正则/字符串切割写到崩溃 一行代码直接拿到 Python 对象 线上崩了才发现格式

1. 小样本提示（Few-Shot Prompting）回顾 传统做法 模板化做法 手动拼 N 条示例 + 1 条用户提问 模板+变量，示例与用户提问一次生成 复制粘贴易出错、难维护 改一个列表即可增

1. 为什么要用 Prompt Template？ 手动拼字符串 Prompt Template 每次都要自己写一大段提示 模板 + 变量，一次写多次用 容易拼错、漏掉空格 结构清晰，可读可维护 难以

1. 模型分类 类别 作用 输入 输出 LLM 文本补全 字符串 字符串 Chat Model 对话优化 消息列表 一条消息 DeepSeek 的 deepseek-chat 属于 Chat Mode

1.先搞清楚我们要干啥 任务 通俗解释 让电脑问 AI 一个问题 就像你在网页上跟 ChatGPT 聊天一样 用 Python 问 不写网页，只用几行代码 AI 回答后把答案打印出来 运行程序后，终端

一、裸调大模型 API 的四大痛点 无记忆：两次请求之间互不认识，追问内容无法与之前的提问关联。 上下文窗口有限：500 页文档一次塞不下，超限即截断。 计算能力弱：数学题靠“猜下一个 token”，

案例一：小红书文案 痛点：想发小红书，但标题憋 10 分钟也写不出。 思路：把「二极管标题法」+「emoji + 关键词」写进 system prompt，让 AI 自动生成。 xiaohongshu

问题描述 Jupyter Notebook 相信是我们学习 Python 避不开的一个工具。 当我们使用 pip install notebook 安装 Notebook 之后，使用命令 jupyte