前言 你问大模型一句：“今天天气如何？”，它可能给你查一下本地今天的天气。 你再问它：“那北京的呢？”，他开始科普起了北京，完全忘了上文中的对话，推算出我们是需要他接着回答北京的天气。 以上是发生在早期各家 AI 助手中出现的问题，丢失上下文记忆。随着技术的发展，模型越来越“大”，这个问题出现的时间点（对话轮数）也越来越靠后。那么问题来了，模型是如何记住上下文的？我们该如何优化，在有限上下文中做更多事情？ 大模型根本不记 下面是我在开发AI应用的一个简单的解析图  是的，没错。我们每次的对话，包括之前的内容，都要一起发送给大模型。大模型本身不会去存储这些内容。既然不用存储，那如果不限制时间，岂...

屁都不会放一句啊 挂了就说挂了呗 哑巴也能当hr了

我说被亚信封杀了吗

博主最近接了一个大一些的任务，完成任务的过程中不知道解决了多少bug，有的解决不了还得请自己的师傅帮助[哭惹R]。但是收获真的很多，分享调试解决bug的心得。 一.任何任务不论大小，写代码之初都要有模块化思想博主把这个任务全部完成后才进行的测试验证。遇到问题后就会发现无从下手，因为修改的东西太多，可能很多地方都有问题，bug叠bug导致非常难查找错误🔎。后面反思，我应该学会把这个任务划分模块，完成一块就去测试一块，而不是全部完成再去检验，模块化的写法会更容易帮助我找到bug。二.打断点➕查看变量值，进阶灵活运用打断点和查看变量值两种方法是嵌入式工程师debug的两个法宝了，但是我发现我运用的...