摘要： Spec 驱动 AI 研发范式的本质 一、问题定义：传统 AI 编程的痛点 当前主流的 AI 辅助研发流程通常是： 自然语言需求 → AI 直接生成代码 → 人工 review → 迭代修正 这一模式的根本问题是契约缺失：AI 对需求的理解是一次性、内化的，人类难以在生成之前判断 AI 是否真正理解 阅读全文

摘要： AI时代的学习核心已从记忆知识转向驾驭AI解决复杂问题，关键在于培养AI无法替代的高阶思维能力与人机协作能力。单纯依赖AI获取信息会导致认知退化，而真正有效的学习需通过主动思考、批判验证、人机协同构建深度认知。以下是基于最新教育研究的实操策略： 一、学习目标的根本性转变 1. 从“掌握答案”到“定义 阅读全文

摘要： Temperature Temperature 控制模型输出的随机性/创造性程度，取值范围通常是 0 ~ 2。 核心原理 模型生成每个 token 时会计算所有候选词的概率分布，temperature 作为"温度系数"影响这个分布的尖锐/平坦程度： temperature 概率分布 行为 → 0 极 阅读全文

摘要： 环境准备 安装 PGVector 扩展 -- PostgreSQL 中启用扩展 CREATE EXTENSION IF NOT EXISTS vector; 表设计 创建表 CREATE EXTENSION IF NOT EXISTS vector; CREATE TABLE chat_messag 阅读全文

摘要： PostgreSQL 的核心操作依赖 psql 元命令（以 \ 开头的快捷命令）和 标准 SQL 语句，二者需配合使用。元命令用于数据库管理（如查看对象结构、切换数据库），SQL 语句用于数据操作（如增删改查）。以下按使用频率整理关键指令，重点标注高频场景的必记命令和易错点。 一、连接与基础操作 1 阅读全文

摘要： what 传统数据库：存储结构化数据，支持精确匹配查询 向量数据库：存储高维向量数据，支持相似度搜索（ANN/KNN） 核心能力：┌─────────────────────────────────────────┐│ 文本/图片/音频 → Embedding模型 → 向量 ││ [0.1, 0.3 阅读全文

摘要： 为什么要学英语？ 计算机英语怎么学？ 适用于职场的英语该怎么学？ 美剧《老友记》 词汇量 重点语法复习 动词+时态 阅读全文

摘要： 安装PostgreSQL 使用Homebrew安装PostgreSQL 16 # 安装PostgreSQL 16 brew install postgresql@16 # 启动PostgreSQL服务 brew services start postgresql@16 验证PostgreSQL安装 阅读全文

摘要： 本地模型部署 # 安装Ollama（Windows/macOS/Linux通用） curl -fsSL https://ollama.com/install.sh | sh # 验证 ollama --version # qwen2.5:7b ollama pull qwen2.5:7b # emb 阅读全文

摘要： https://modelscope.cn/ 阅读全文