RAG是结合检索生成的机器学习方法。从相关数据源检索信息，将信息作为上下文，加入用户的查询中，请求大模型基于这个丰富的提示来生成答案。


RAG 

通常是应为conda的python没有下载完全导致的
`CondaVerificationError: The package for python located at C:\Users\momen\anaconda3\pkgs\python-3.10.15-h4607a30_1
appears to be corrupted. The path 'pythonw.exe'
specified in the package manifest cannot be found.`
直接进路径干掉`python-3.10.15-h4607a30_1`

conda遇到 CondaVerificationError解决办法

openAI 的 chat completions.create API 参数
| 参数名 | 描述 |
| --- | --- |
| model | 模型类型：gpt4等 |
| prompt | 提示词 |
| temperature | 影响随机性输出，值越高，越随机；值越低，输出越确定  |
| max_tokens | 限制输出最大长度，以token为单位 |
| suffix | 允许在输出文本后附加后缀的参数，默认null |
| top_p | 核心抽样参数，模型将只考虑概率质量最高的token |
| n | 决定每个提示生成多少个完整的输出 |
| stream | 决定是否实时流式传输生成的token |
| logprobs | 要求API 包括最有可能的token的对数概率的参数 |
| echo | 如果设置为true,则会先提示外的生成内容 |
| stop | 允许指定一个或者多个序列作为生成停止标志的参数 |
| presence_penalty | 惩罚已经出现在文本中的新token的参数 |
| frequency_penalty | 惩罚到目前为止在文本中频繁出现的token的参数 |
| best_of | 要求服务器生成多个输出，并返回最佳的参数 |
| logit_bias | 修改指定token出现概率的参数 |
|user|表示最终用户的唯一标识符的可选参数|


api主要参数功能

创建虚拟python环境
`conda create -n first-agent python=3.12`

切换到虚拟环境中`conda activate first-agent`

用ReAct框架实现简单agent

创建conda python 虚拟环境
`conda create -n your_env_name python=x.x`