Datawhale Easy Data × AI：笔记1 已重做，看新的笔记

Task 1 · 环境准备与课前导读 · 打卡笔记

JSON 原始结果

python 复制代码

{
  "shell": { "powershell": "5.1.19041", "bash": "GNU bash 5.1.16" },
  "python": { "version": "3.12.4", "executable": ".venv\\Scripts\\python.exe" },
  "python_venv": { "exists": true, "version": "Python 3.12.4" },
  "pip_check": { "ok": true, "output": "No broken requirements found." },
  "conda": "conda 24.11.3",
  "git": { "version": "git version 2.53.0.windows.2", "user.name": "jackiebox" },
  "git_repo": {
    "ok": true,
    "last_commit": "66ecb86 docs: 更新 sidebar 链接",
    "remote": "https://gitee.com/zouzhi/easy-data-x-ai.git"
  },
  "ssh_key": ["id_ed25519.pub"],
  "network": { "github.com": true, "gitee.com": true, "api.deepseek.com": true },
  "api": { "key_len": 35, "base_url": "https://api.deepseek.com/v1", "ok": true },
  "d1_1": {
    "ok": true,
    "output": "RAG（检索增强生成）是一种让大模型先从外部知识库检索相关信息，再基于这些信息生成回答的技术..."
  }
}

🔧 环境搭建要点（Windows 用户参考）

代码仓库拉取

GitHub 在部分网络环境可能超时，我直接用 Gitee 镜像：

bash 复制代码

git clone --depth 1 https://gitee.com/zouzhi/easy-data-x-ai.git

Python 虚拟环境 + 清华镜像

bash 复制代码

cd easy-data-x-ai
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple
.\.venv\Scripts\python.exe -m pip install -r code/requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
.\.venv\Scripts\python.exe -m pip check

模型 API 配置（DeepSeek）

课程默认走 SiliconFlow / DashScope，我用的是 DeepSeek（OpenAI 兼容），做了两件事：

(a) 升级 `code/config.py` 为自动 fallback 体系

python 复制代码

# 优先探测顺序：DeepSeek → SiliconFlow → DashScope → OpenAI
# 未配置的自动回退到下一个可用 provider
from config import Config
llm = init_chat_model(
    Config.get_model("tencent/Hunyuan-MT-7B"),   # SiliconFlow 别名自动映射为 deepseek-chat
    model_provider="openai",
    **Config.get_llm_init_kwargs(),
)

(b) 写 `code/.env` + Windows 用户环境变量双保险

python 复制代码

DEEPSEEK_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
DEEPSEEK_BASE_URL=https://api.deepseek.com/v1

📚 课前导读学习笔记

1 · 大模型的本质与边界

核心观点 ：大模型不是"会思考的机器"，而是一个条件概率生成器------基于训练数据中的统计关联，预测"下一个最可能的 token"。

三个核心边界经常被忽略：

幻觉（Hallucination）* ：模型不知道自己"不知道什么"，纯靠概率分布生成，没有事实校验机制
上下文窗口限制 ：单次对话能"看到"的 token 有限（deepseek-chat 约 128K），超出就遗忘
训练数据的静态性：知识停在训练截止日期之后，对新事件一无所知

和我之前的认知差异：以前以为 RAG 只是"给模型喂资料"，现在理解它是主动弥补边界缺陷的手段------把"静态知识"转成"动态检索"，在推理时注入最新事实。

2 · AI Agent 全景图

核心观点：Agent ≠ 更强的 ChatGPT，而是一个"感知 → 推理 → 行动 → 观察"的循环系统。

用户提问 → 模型推理（要不要用工具？）→ 调用工具（搜知识库/查数据库）

→ 观察工具结果 → 再次推理 → 最终回答（或继续行动）