AI教程

用 joblib 保存包含标准化的完整 Pipeline，记录特征顺序与依赖版本，核对可信文件加载前后的标签和概率。

在同一训练池与同一折索引上比较逻辑回归和随机森林的 Macro F1、波动与训练时间，保留独立测试检查。

将真值、预测和稳定编号逐行对应，核对混淆矩阵并导出误分类 CSV，区分误报漏报和标注问题。

用 StandardScaler 与 Pipeline 演示训练均值核对，避免测试数据参与预处理拟合，并说明交叉验证和预测列顺序的边界。

按用户、设备或文档来源分组切分训练与测试数据，核对组交集、行编号与类别分布，并说明组比例和时间序列限制。

以非敏感练习文档制作 Gemini 音频概览，试听核对事实后从播放器下载。

依据当前官方模型表，按视觉输入、峰时单价与并发限额比较 DeepSeek Flash 和 V4 Pro，并给出同题评估方法。

解释 DeepSeek 官方 API 思考与非思考模式的开关、reasoning_content 与 content 差别，以及不生效的参数。

区分 LangGraph 用户偏好与会话检查点，分别删除 store 条目和指定 thread 并验证结果。

用 Responses API 调用前 token 计数、响应 usage 和应用侧预算阈值控制纯文本请求的估算成本。