1.尚硅谷视频观看学习 p1～8
Agent 主要包括四部分分别是记忆、规划决策、工具、行动，这里记忆就好像一个人时刻知道自己的目标，规划决策就是在脑海里计划，工具比如实现目标的各种工具，行动就是去付诸实施。
langchain langgraph deep agent langsmith 的关系
从深到浅分别是 deep Agent，langgraph langchain，langsmith，其中 langchain 是最基本的功能，Smith 说用来监控的，比 print 的监控更好。
关于 conda 视频里做了介绍，事实上一直在用 conda，但是只是在老师介绍之后才想到，conda 之前不需要本身就有 Python，可以在环境中安装。
2.《AI 工程》读书笔记
ch2 主要介绍的是一些模型后训练和微调的技术。
模型训练包括预训练，后训练，微调，其中预训练是最初训练模型的基本能力，后训练和微调的相同点是都是在预训练之后的模型上做训练，不同在于后训练指代模型开发者后续的训练。
关于 ai 和人的不同，书里描述了一个例子，当你问一个人最喜欢吃什么，他在一分钟前后的回复应该是一样的，我们期待在和人的沟通中有这种一致性，但是 ai 不具有这种一致性，你每次问他哪里的美食最好他都可能产生不一样的输出。
这个虽然和具体技术无关，但是是我感触很深的，一个人具体这种一致性才是真正有核心自信的让，更容易有魅力。
3.《agent 设计模型》 黄佳
读咔哥的课程是从前两年的极客时间的教导 langchain 的专栏开始的，当时 langchain 接口变化，很多 api 很快被废弃所以觉得课程不实用，不过后来学了咔哥的关于 claude code 使用等各个课程，收获很多。
Agent 设计模式作者首先介绍了设计模式的起源和意义，最初是方便了大家沟通就好像语言之于文字一样。
传统设计模型关注的是确定性的东西，但是 llm 时代输出是不确定性的，llm 本身就是一个函数式编程的例子，prompt 作为参数，模型权重作为不能变动的参数，如何拥抱不确定性既是分布式时代的话题，在 llm 时代，Agent 设计模式里也一样重要。
4.今日力扣学习
并查集，并查集就是建立一种数据结构，可以把元素分组，然后可以查询是否某两个成员在一个组里。
实现方法是除了存储数据，存储一个名为 parent 作为老大的标记，最终老大的 parent 就是它本身，老大作为组分类的标志，因为每个成员天然就是唯一的。