Answer1215

摘要： 英文：Fine-tuning 中文：大模型微调 大模型的构建其实分为 2 个阶段： 预训练（pre-training）：此阶段模型会在 大规模、多样化的数据集 上进行训练，从而形成全面的语言理解能力。 微调（fine-tuning）：在规模较小的 特定任务或特定领域数据集 上对模型进行 针对性的训练 阅读全文

摘要： RAG架构演进 RAG 的概念和思想最早是在 2020 年由 Meta 公司的技术团队在文章 “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks” 中正式提出的，用于给当时已经开始出现的大型预训练语言模型提供来自外部的 阅读全文

摘要： RAG经典架构： 数据索引 读取外挂语料库的时候，语料库是一个 pdf 文件，需要一个额外的依赖：pdf-parse 转化为向量嵌入：nomic-embed-text function getEmbedding(text) { const res = await fetch("http://loca 阅读全文

摘要： type ErrorWithMessage = { message: string } function isErrorWithMessage(error: unknown): error is ErrorWithMessage { return ( typeof error 'object' && 阅读全文

摘要： 远程通信方式 通信方式： Stdio： 推荐，高效、简洁、本地 Streamable HTTP： 远程 前置知识 SSE 全称 Server-Sent Events，中文是“服务器发送事件”。是一种基于 HTTP 的单向通信协议，由浏览器发起连接，服务器可以持续不断地向客户端推送数据。 你可以把它想 阅读全文

摘要： 远程通信方式 通信方式： Stdio： 推荐，高效、简洁、本地 Streamable HTTP： 远程 前置知识 SSE 全称 Server-Sent Events，中文是“服务器发送事件”。是一种基于 HTTP 的单向通信协议，由浏览器发起连接，服务器可以持续不断地向客户端推送数据。 你可以把它想 阅读全文

摘要： Prompts MCP 支持 3 种上下文能力： tools：工具 resources：资源 prompts：提示词 在 MCP 中，prompts 表示服务端内置的提示词模板（prompt templates）集合，通过 prompt 模板机制，客户端无需硬编码 prompt，而是复用服务端定义的 阅读全文

摘要： RAG基础知识 基本介绍 RAG，全称 Retrieval-Augmented Generation，中文：检索增强生成 核心思想：为大模型补充来自于外部的相关数据与上下文，从而帮助大模型生成更丰富、更准确、更可靠的内容。 也就是 临时给大模型外挂一个知识库。 解决的问题： 受限于已有知识库，无法快 阅读全文

摘要： 有两种形式： 资源列表变化 资源内容变化 资源列表变化 用于监听资源目录是否发生增删改。 工作机制 当服务器上的资源列表发生变化时（例如 resources/list 中的项发生增删），服务器主动发送通知： notifications/resources/list_changed 这个方法名也是固定 阅读全文

摘要： chokidar chokidar 是一个功能强大、跨平台、性能优秀的 文件系统监听库，适用于 Node.js 环境，底层使用原生 fs.watch 和 fs.watchFile，并在 macOS/Linux 上优先使用更高效的 fsevents（若可用）。 基本用法： import chokida 阅读全文