欢迎关注，共同进步！

原创 Cursor怎么使用，3分钟上手Cursor：比ChatGPT更懂需求，用聊天的方式写代码，GPT4、Claude 3.5等先进LLM辅助编程

在人工智能工具井喷的今天，大家早已习惯用AI辅助编程，但大多数工具要么停留在“问答式”交互，要么对复杂代码逻辑束手无策。而Cursor——这款专为开发者设计的AI编程工具，凭借对代码上下文的深度理解、一键生成完整函数甚至模块的能力，正在成为新宠。只需3分钟，你就能用它解锁高效编码体验（文末有彩蛋cursor最常用的快捷键就四个，记住就好：Tab：自动填充Ctrl+K：编辑代码Ctrl+L：回答用户关于代码和整个项目的问题，也可以编辑代码（功能最全面）

原创 Trae AI 使用 APIkey 配置 Anthropic Claude BaseURL , gpt-4o，deepseek等大模型代理指南

的全栈式编程工具，Cursor 曾在 2023 年掀起 AI 编程革命浪潮。▌ 获取 Anthropic Claude API 密钥。✅ 实现通过APIKey调用不同的大模型。（兼容 Claude API 格式）Trae IDE 原生仅支持配置。- Anthropic 官方密钥。✅ 构建中转 API 桥接层。✅ 配置自定义 API 端点。等官方大模型，无法配置。- 第三方中转平台密钥。✅ 安装Cline插件。▌ 设置Cline插件。（建议体现用途特征）

原创 Cursor 使用 APIkey 配置 Anthropic Claude BaseURL , gpt-4o，deepseek等大模型代理指南

› 拦截机制：Cursor 会对已知厂商模型名称进行流量过滤。- 警告：禁止使用真实模型标识符（如 claude-3）▌ 获取 Anthropic Claude API 密钥。在Cursor中选择配置的自定义模型名称即可使用。- 输出内容符合 Claude 模型特征。- 输入与令牌绑定的「自定义模型名称」› 重启 Cursor IDE 激活配置。（兼容 Claude API 格式）✅ 构建中转 API 桥接层。✅ 配置自定义 API 端点。› 观察响应中的模型元数据。- 第三方中转平台密钥。

原创 (亲测可用)chatgpt的apikey免费获取，Claude的APIKey免费获取指南，中转apikey附赠几个好用的AI平台

​领取步骤：注册，打开网站进行注册，网址地址在下方的配图中哦创建key（新用户有免费的50万token额度）​​直接在站内聊天测试一下也可以将apikey配置到项目中调用相关大模型。

原创 （亲测可用）一键免费配置Claude/GPT/DeepSeek等主流模型，好用的AI知识库工具，2025最新

【AingDesk：一键开启本地AI办公新时代】

原创 2025最新Chatbox全攻略：一键配置Claude/GPT/DeepSeek等主流模型（亲测可用）

原创 一个中转API Key解决跨境大模型调用难题，玩转Claude、GPT、Gemini，高并发无限制，亲测国内可用

这种技术驱动的成本重构，让开发者既能享受官方模型的原生能力，又可获得本土化服务的价格优势。Tokens是大语言模型处理的信息的最小单元，它介于“字”和“词”之间，有部分网站可以计算一段话的Tokens，可以参考下图。本方案通过构建全球化智能调度网络，既保留了官方API的原生能力，又创新性地解决了跨境访问的合规性难题，为国内AI开发者提供了高效可靠的基础设施服务。本方案通过构建协议转换中间件，既保留了原生开发体验，又扩展了企业级监控能力，使开发者可在不改动业务逻辑的前提下，快速实现跨境大模型调用能力升级。

原创 Cursor怎么使用，Cursor键盘快捷键速查，3分钟上手Cursor：比ChatGPT更懂需求，用聊天的方式写代码，GPT4、Claude 3.5等先进LLM辅助编程

掌握这些核心的 Cursor 键盘快捷操作与符号用法，将有效提升您的工作效率。本指南囊括了 Cursor 人工智能功能的关键指令组合，包含 Tab 智能补全、Cmd+K 内联编辑、即时聊天窗口、Composer 创作模式以及 @ 符号的上下文引用功能（Windows/Linux 系统使用 Ctrl 键，macOS 系统对应 Command 键。

原创 记忆组件的持久化与第三方集成​​​​​​​

为实现对话历史的长期保存，可采用分层存储方案：通过chat_memory模块实现对话记录的持久化存储，同时结合外部数据库系统对汇总信息、摘要等衍生数据进行管理。LangChain架构显著特性在于其强大的第三方集成能力，当前支持包括Postgres、Redis、Kafka、MongoDB、SQLite等在内的近50种异构数据存储方案作为对话消息历史载体。因此需要引入中间存储层来持久化对话历史，可采用文件、数据库或独立进程等外部存储介质。

原创 LangChain实体记忆组件的使用与解析

实体记忆指的是跟踪对话中提到的实体，并且在对话中记住关于特定实体的既定事实，它提取关于实体的信息（使用LLM），并随着时间的推移建立对该实体的知识（使用LLM），一般使用实体记忆来存储和查询对话中引用的各种信息，比如人物、地点、事件等。在 LangChain 内部封装了一个实体记忆类，这个类可以从对话历史中提取实体并生成描述（简单来讲，就是提取关键词+对应的描述），不过预设的 Prompt 过于笨重，而且极度消耗 Token，并且对大模型的要求极高，所以实用度并不高。Human: 你好，我是csdn。

原创 LangChain摘要记忆组件的使用与解析

​完全存储模式：保存全部历史信息，易导致存储容量过载​最近记忆模式：仅保留最新对话，存在关键信息丢失风险折中解决方案✅ 选择性保留核心语义信息❌ 主动过滤冗余流水式内容# 底层实现逻辑LLM模型自动提炼对话精髓 -> 存储语义摘要 -> 替代原始对话记录存储效率提升：文本量压缩率可达60-80%信息质量保障：保留对话决策关键路径语义密度优化：消除重复性表达冗余› 中转服务商示例：一步API（兼容 Claude API 格式）同时支持国内外所有大模型，不需要魔法也能使用。

原创 LangChain缓冲记忆组件的使用与解析

版本演进提示：推荐新项目优先使用ConversationBufferMemory及其衍生类型，字符串缓冲记忆组件仅建议用于历史版本兼容场景。使用 LangChain 实现一个案例，让 LLM 应用拥有 2 轮的对话记忆，超过 2 轮的记忆全部遗忘。四、ConversationStringBufferMemory（字符串缓冲记忆）二、ConversationBufferWindowMemory（滑动窗口记忆）一、ConversationBufferMemory（全量缓冲记忆）

原创 BaseChatMemory 运行流程及源码

【代码】BaseChatMemory 运行流程及源码。

原创 Memory组件运行流程及不同记忆分类

功能，这一功能目前可以无缝接入 LCEL 进行集成，并且根据源码的注释及更新路线说明，预计 LangChain 团队会在。版本，开始支持将 Memory 组件纳入到 LCEL 语法，目前版本的 Memory 组件均是 0.0.X 版本的产物。组件是 LangChain 中内置的其他记忆组件的基类，针对对话历史进行了特定的封装，以适用聊天模型对话的场合。实现了记忆组件的相关方法，但是不存储任何记忆，可以在不修改代码结构的情况下替换记忆组件，实现无记忆功能。Memory 组件的基类是。基类，衍生出了两个子类。

原创 给聊天机器人装“短期记忆“：Flask版实现指南

创建session_id。

原创 给AI装“记忆U盘“：LangChain记忆持久化入门指南

​普通模式：每次重启都忘记之前聊过什么​持久化模式：给AI配了个"记忆U盘"，聊天记录永不丢失。

原创 几种环境下的Postgres数据库安装

开源：PostgreSQL 是基于开源许可证发布的，任何人都可以免费使用、修改和分发它。关系型数据库：PostgreSQL 是一种关系型数据库，支持 SQL 查询语句，具有强大的数据处理能力。可扩展性：PostgreSQL 支持多种插件扩展，可以满足各种不同规模和需求的应用场景。支持复杂数据类型：除了传统的数据类型外，PostgreSQL 还支持数组、JSON、XML 等复杂数据类型。事务支持：PostgreSQL 提供完整的 ACID 事务支持，确保数据的一致性和可靠性。

原创 给AI装记忆的奇妙方法（附实现流程图）

你以为和ChatGPT聊天时它记得之前的对话？

原创 零基础也能看懂！5分钟搞懂什么是LLMOps

LLMOps（大型语言模型运维）是一套专门用于开发、部署和维护AI应用的系统工具。就像给AI工程师准备的"智能工具箱"。

原创 从LLM到AI Agent的技术演进路径

OpenAI技术标准定义：“以LLM为认知中枢，集成工具调用（Tool Use）、记忆管理（Memory）、规划推理（Planning）的自主任务执行系统”

原创 LLM与AI Agent交互范式的演进

本文探讨人机交互模式在大型语言模型（LLM）出现前后的范式转变，并解析LLM应用开发的核心逻辑。

原创 AI大脑养成记：大语言模型训练全解析

训练就是让AI从错误中学习每次调整都在优化70亿个参数海量数据+计算量=高成本最终目标是形成语言预测本能💡 小知识：ChatGPT的"思考"过程，本质上就是在玩超高级的"词语接龙"游戏！

原创 解密AI语言模型：从“文字乐高“到智能对话

​Token = 文字积木块​（可以是完整的词、字，甚至是半个字）​中文例子：“机器学习” → 可能拆成 [“机器”, “学习”] 或 [“机”, “器”, “学”, “习”]​英文例子：“unbelievable” → 拆成 [“un”, “believ”, “able”]Token是AI理解文字的基本单元词表就像模型的"文字字典"预测机制从查表升级到数学计算中文处理比英文更复杂💡 小测试：试着把这句话拆成Token → “深度学习真有趣！

原创 三分钟搞懂大语言模型：原来AI是这么说话的！

三分钟搞懂大语言模型：原来AI是这么说话的！

原创 智能助手大进化！普通人也能看懂的Agent技术解析

的诞生，就像给智能助手装上了超强引擎！💡 ​：现在开发智能助手的门槛，就像智能手机普及一样越来越低！

原创 零基础必看！大语言模型开发框架怎么选？（附小白避坑指南）

刚接触大语言模型开发，面对一堆框架选择头大？别慌！这篇用大白话教你像选手机一样选开发框架，看完立刻明白哪种适合你！

原创 零基础也能看懂！5个必看的大语言模型开发学习社区

刚入门大语言模型（LLM）开发不知道去哪学习？这里为你整理了5个最适合新手的宝藏社区，用最通俗的语言告诉你它们哪里好用！

原创 大语言模型评测指南：排行榜单与评估基准小白也能懂

就像我们通过考试检验学习成果一样，大语言模型（LLM）也需要通过"考试"来验证能力。​出考题：准备包含多个领域的测试题目​做答卷：让不同模型回答题目​改试卷：通过人工/AI/混合方式评分。

原创 零基础也能懂！手把手教你计算大模型部署资源与输出速度

本文用最通俗易懂的方式，帮你搞懂大模型部署需要多少显存、生成速度怎么计算。看完就能自己估算部署需求！

原创 什么是大模型中转API

因为是官方的中转API，所以除了OpenAI官方支持的所有模型外，其他国内外主流的各大AI模型都能使用，计费标准也跟官方保持一致，而且有专门的网站可以查询余额和用量明细，特别透明。就像两个孪生兄弟，一个在国外使用，一个在国内使用，本质是一样的，就是"外表"（也就是用户使用界面）不太一样罢了，无论是商用还是自己用都完全没问题！举个简单的例子，就比如你坐飞机，有一些地方，飞机是不能直接到达的，要先坐这一趟航班的飞机，下了飞机之后，坐另一趟飞机，才能到达。