PILIPALAPENG

为了便于理解代码实现部分，这篇笔记把 第3周 Day 4：RAG 实战——用 Embedding 实现语义搜索昨天的 RAG 入门用的是关键词匹配，有个问题： - 掘金 里的代码拆开讲，帮助理解每个部

昨天的 RAG 入门用的是关键词匹配，有个问题：用户搜"猫咪"找不到"猫"，因为字不一样。 今天用 Embedding API 实现真正的语义搜索——让"猫咪"能找到"猫"，让"小狗"能找到"狗"。

第3周 Day 2：RAG 入门——给 Agent 一个"图书馆" 上次用 Function Calling 让 Agent 能"自己动手"，但有个问题：AI 只能回答"通用问题"，不知道咱们用户的数

上周做完英语 Agent 后，我发现一个问题：用户得自己点按钮才能触发功能。 比如想学单词，得先点"学习单词"按钮，然后输入单词。 Agent 不会自己判断用户想干什么。 我想让它更智能一点——用户直

昨天和朋友聊天，他给我看豆包 App 的界面： 这个问题问得好。很多人用 AI，但不知道： 这些按钮背后用的是同一种技术吗？ 不同模型的"能力"到底指什么？ 为什么有的模型能画图，有的只能聊天？ 这篇

前端学习 Agent 开发更文已经坚持了 16 天了，前两天和朋友聊天，问他的建议，他给我的反馈是： 说实话，这个反馈让我愣了一下。 我翻了自己前两周的文章，发现确实有个问题——我一直在讲"怎么做"，

学习目标 把 Week 1 的英语 Agent 整合到 Web 版（搞定！✅） 设计一个好看的前端界面(AI生成的)（搞定！✅） 实现所有功能：今日单词、单词测验、造句练习、编故事（搞定！✅） 加入

学习目标 理解 SSE（Server-Sent Events）是什么（搞定！✅） 学会用 Flask 后端返回流式数据（搞定！✅） 学会用前端接收流式数据并逐字显示（搞定！✅） 升级聊天页面，实现 A

--- theme: smartblue --- 我们昨天第一次使用了Flask框架，但是作为前端