AI编程

在火山方舟开通可用的 DeepSeek 模型，用环境变量保存 API Key，以 Python 发起最小请求并核对返回文本。

按明确来源时区解析 AI 日志时间，用 pandas 保存异常原值、赋予时区并转为 UTC，同时保持请求 ID 与事件含义。

用 SQLite 验证 RAG 嵌入缓存：文本哈希与模型版本、维度、任务类型等共同组成键，配置变化重新计算，拒绝非法维度与 NaN/Inf。

用 SQLite FTS5 的 trigram 建立中文连续关键词原型索引，限制公开资料，返回原文、来源和页号，并明确短词与语义检索边界。

按演示二分类协议逐行检查训练 JSONL 的字段、非空字符串、整数标签、重复键和编号，将错误原因与原始行号一并保存。

训练 CSV 错列时用 DictReader 核对明确列协议，处理 UTF-8 BOM、字段内逗号、双引号和换行，并保留样本 ID 的前导零。

用 Qdrant scroll 分页导出 ID、向量和 payload，在新的练习集合重建，再对照来源集合逐项检查 ID 与记录内容。

用 CrossEncoder 对问题与已有候选片段成对打分，排序时保留 source_id，并用人工目标核对实际结果及召回、权限和截断边界。

用 PyMuPDF 提取 RAG 用 PDF 的文本块，将文件哈希、页码、块号和坐标一起保存，并单独记录空文本页供回查。

在 Ollama 本地 Chat API 中传入 JSON Schema，提取工单类型和编号，并分别检查生成完成、字段结构与原文事实。