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)

  1. 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
  1. 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
  1. 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:

  1. 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

  2. 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

  3. 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)

相关推荐
饮水桶_T7 小时前
Python 面向对象(十七)|继承、封装、多态 笔记
数据结构·笔记·算法
星恒随风8 小时前
MySQL 从零入门(十):MVCC、Undo Log 与 Read View 详解——InnoDB 如何实现事务隔离?
linux·数据库·笔记·sql·mysql
蒸蒸yyyyzwd10 小时前
计算机网络后端面试错题
笔记·学习
蒸蒸yyyyzwd12 小时前
数据库相关错题笔记
笔记·学习
蒸蒸yyyyzwd14 小时前
后端学习笔记,设计模式相关以及微服务相关
笔记·学习
yiangL_1 天前
Python 学习笔记:递归、turtle绘图、字符串与函数
笔记·python·学习
人生!?1 天前
Linux 从入门到进阶 | 基础语法
linux·笔记·教程
β添砖java1 天前
Transformer大白话学习笔记
笔记·学习·transformer
希和20271 天前
代码小白笔记:蓝桥杯彩灯控制代码逐段讲解
笔记·mongodb·蓝桥杯
希和20272 天前
江科大 51 单片机课程笔记:XPT2046 触摸/AD 采集与 LCD1602 显示
笔记·单片机·mongodb