MCP 的作用：提供标准化接口，让 Cascade 等代理安全访问外部数据源，将数据转化为可操作的上下文。

1. 基础

1.1 RAG 为什么出现

大模型问题：

• 幻觉问题，基于概率

• 数据新鲜度

• 数据安全

最近发现不少程序员转行大模型开发，直接去学pytorch、transformer, 从底层开始学，其实大可不必。你用了那么多年MYSQL也没见你想去重新开发一个数据库，怎么突然就想去开发一个新模型了。

如果你想弄个Deepseek，需要先评估自己的学历背景、学术背景，能不能加入国内这几家大模型开发团队，或者退一步也是做模型微调，但是不用Github开源的微调工具，自己有学术成果，设计新的微调方法，这条路几乎不适合半道转行的应用开发程序员。

1. 大模型

1.1 LLM 模型

大语言模型（LLM，Large Language Model），也称大型语言模型，是一种旨在理解和生成人类语言的人工智能模型。

LLM 通常指包含数百亿（或更多）参数的语言模型，它们在海量的文本数据上进行训练，从而获得对语言深层次的理解。LLM 的一个杰出应用就是 ChatGPT ，LLM 通过采用 思维链（CoT, Chain of Thought） 推理策略，利用包含中间推理步骤的提示机制来解决这些任务，从而得出最终答案。

1. AI 发展路径

1. Client 端

在作为客户端发送请求时，超时控制主要分两个层面：高层级的 http.Client 超时 和 低层级的 http.Transport 精细化控制。在大多数情况下，设置 http.Client.Timeout 就足够了，它可以有效地防止整个请求过程的无限期等待。

1.1 http.Client.Timeout

最简单，但有时太粗暴。这是最常用的设置，它控制包括连接、重定向（Redirects）以及读取响应体在内的整个请求生命周期的最大时长。

1
2
3
4
5

c := &http.Client{
    Timeout: 10 * time.Second,
}
resp, err := c.Get("http://example.com")

• 涵盖范围：Dial（拨号） -> TLS Handshake（握手） -> Request Headers/Body Send -> Response Headers Read -> Response Body Read。
• 优点：简单，能防止请求无限挂起。缺点：对于需要处理长流（Streaming）响应的请求（如下载大文件），这个超时如果不小心设置短了，连接会在中途被截断。
• 如果整个过程的累计时间超过 Timeout，请求会被强制取消，并返回 net/http: request canceled (Client.Timeout exceeded) 错误。

1. 使用

1.1 破解

1

curl -fsSL https://raw.githubusercontent.com/spicetify/cli/main/install.sh | sh

有了购物车之后，搜索 AD，屏蔽广告

1. 模型使用

1.1 代理网站

• https://openrouter.ai/ （国外）
• https://turboai.io (免费薅 $1)
• https://aihubmix.com (使用中，可以冲 $1)
• 302.AI

1. 数据分析

1.1 均值还是90分位数

看均值的场景:

1. 数据分布较为正态或对称时
2. 数据波动不大,没有明显的异常值
3. 需要了解整体水平或趋势
4. 样本量较大且分布均匀

看90分位数的场景:

1. 数据分布倾斜时
2. 需要排除异常值影响时
3. 长尾分布（少数爆款视频点击量高，大量普通视频点击量低）

1. AWS 基础

1.1 使用场景

安装 awscli

1
2

brew install awscli
aws configure  # 配置下aws configure

获取 access_key_id

1. 登录 AWS 管理控制台
2. 点击右上角的账户名称，选择 “Security credentials” (安全凭证)
3. 在安全凭证页面，找到 “Access keys” (访问密钥) 部分
4. 点击 “Create New Access Key” (创建新的访问密钥)