Hstar

我讲下我们的方案, 供参考
1. 外部请求经由 API 服务, 先把 session / message 之类数据前置准备好, 包括使用的模型/配置等等, 保存到 DB, 返回前端消息创建成功.
2. python 端相当于是个纯运行 agent 的异步任务后台, 用一个消息队列触发. 用 rpc 触发也可以, 个人感觉 python 用 rpc 比较丑陋, 很少这么用.
3. python agent 接到的任务就是运行一个指定的 message, 负责直接维护和 LLM 供应商的数据流, 然后根据数据做各种操作, tool call / 本地数据操作之类的.
4. 需要暴露给用户的内容, python agent 把约定好的 sse chunk 数据塞进当前 message 专属的 redis stream 或者类似的轻量队列就好, 再做些生命周期管理避免资源占用.
5. 前端经过 API 服务用新接口打开 sse 连接, 从当前 message 专属的队列里读 sse chunk 然后吐给前端.

@murongxdb RAG 只是一个形式, 底层搜索用的 文件 grep 还是 ES 还是 向量数据库 亦或是其他什么东西不就丰俭由人了嘛. 你这问题问得好怪

先说 RAG, 当有数据的量级大到难以注入给 Agent 的文件系统时, 甚至量大到连数据索引都可能会超 100K token 时, RAG 才有必要. 大部分情况下直接把引用内容挂到 Agent 的文件系统里, 加三五行对文件结构的介绍, 让 AI 用 ls 和 grep 去使用, 效果就很好了.
再说 langchain, 我觉得定位于一个新 Agent 产品的 bootstrap 还是不错的. 迭代下去总会发现有不能满足的需求, 还有多余的功能. 在 AI 加持下参考基于 langchain 的项目代码, 再从头撸一个也不费什么事.

390/680 ，刚刚及格。
要我说这孩子过去三年一共也就学了两个月吧，V 站的大家都上过初中，拿及格分是什么难度都知道。说难听点，让一个六年级小学生，认真听老师建议，刷一个月的题都能考到 60% 及格线。
国内公立路线没戏了，就两个月了国内其他路线也没戏了。有钱买个英国高中上上可能相对最好。
三年初中，这成绩也不是一朝一夕的，现在还没想好出路，看得出家长不上心也不靠谱，我劝你就眼睛一闭，管好你自己吧。

按小时收费没毛病，起价 1000 元/h ，包天给个优惠

选钱多的，男人事业为重，钱没问题那什么都没问题。

但说实话你这钱不够多，税前 3w 年终 3 个月，性价比有点低。要不你去投投 PDD/XHS/DW 这几家看看，卖命也要卖个好价钱。

我知道，你把“覆屏静音”关掉就好了。
apple 会在你表盘查下或者有东西盖住它的时候认为你要静音它，但是睡觉时经常会有这种情况。

@BH3XON 所以说房贷是国家逼着银行做的福利

我觉得连年化 3% 的房贷都兜不住还是别说自己是在“理财”了吧