前言：IDEA中Git文件颜色白色：已经加入版本控制，已提交，无改动蓝色：已经加入版本控制，已提交，有改动绿色：已经加入版本控制，还未提交红色：未加入版本控制Git本地数据管理-三大区工作区，暂存区，版本库●工作区：项目目录，开发存放代码的地方。●暂存区：数据暂时存放的地方。待提交区，存放有修改的文件的地方。gitadd之后，commit之前●版本库（本地仓库）：存放已经提交的数据。commit之后，push时，就是把这个区的数据push到远程仓库开发者在工作区对代码进行修改，修改的文件gitadd添加到暂存区，然后把暂存区的代码commit提交到版本库，最后把版本库中的数据push到远程仓库

PromptEngineering（提示工程）是指通过设计精心构造的提示（prompt）或者输入，来引导大型语言模型生成特定类型的输出。这个技术背后的原理是利用模型对输入的敏感性，通过提供特定格式或者内容的提示，引导模型生成符合预期的输出。提示对回复结果的影响PromptEngineering通过设计和构造精心设计的输入提示，直接影响大语言模型的结果。这种影响可以通过以下几个方面体现：方向性引导：提示可以指导模型生成特定类型的回答或内容。通过给出明确的指示或问题，模型更可能生成与提示相关的输出，从而达到特定目的。控制输出风格和内容：合理设计的提示可以控制模型生成的输出风格、语气或内容类型。比如

【PromptEngineering教程：写Prompt的艺术】1、什么是PromptEngineering？文章目录【PromptEngineering教程：写Prompt的艺术】1、什么是PromptEngineering？什么是PromptEngineering？举个例子需要学习PE吗？OneMoreThing小结什么是PromptEngineering？解释这个词之前，首先需要解释prompt这个词。简单的理解它是给AI模型的指令。它可以是一个问题、

目录解决AttributeError:moduletensorflowhasnoattributereset_default_graph错误原因解决方法步骤1:查看TensorFlow版本步骤2:替换过时的方法或属性步骤3:更新代码步骤4:手动重置默认图（如果适用）结论解决AttributeError:moduletensorflowhasnoattributereset_default_graph在使用TensorFlow进行深度学习任务时，有时会遇到类似于"AttributeError:module'tensorflow'hasnoattribute'reset_default_graph

先检查芯片焊接，无误的前提下更改debug我的环境无法识别仿真器接口烧录失败解决方案错误报告：解决方案参考及其他解决方案：我的环境stm32f334c8t6，cmsis下载器无法识别仿真器接口将接口port换成SW试试魔术棒-debug-setting烧录失败解决方案错误报告：Cannotresettarget.Shuttingdowndebugsession.FlashDownloadfailed-TargetDLLhasbeencancelled解决方案更改debug-setting内的设置如图，修改connect和reset，还不行的话可以试试其他选项。更改debug设置参考及其他解决方

几个月前我们就聊过RAG的经典方案解密Prompt系列14.LLMAgent之搜索应用设计。前几天刚看完openAI在DevDay闭门会议上介绍的RAG相关的经验，有些新的感悟，借此机会再梳理下RAG相关的优化方案。推荐直接看原视频（外网）ASurveyofTechniquesforMaximizingLLMPerformanceRAG最关键的一环其实不是LLM而是相关内容的召回，作为大模型推理的上文，优秀的内容召回应该满足以下条件：多样性和召回率：召回的内容要可以回答问题，并且内容丰富度，包括同一问题多个观点，多角度相关性和准确率：召回内容和问题相关，总不能召回100篇里面只有2篇和问题有关