概率预测（快速反应模型，如ChatGPT 4o） 链式推理(慢速思考模型，如OpenAI o1) 性能表现 响应速度快，算力成本低 慢速思考，算力成本高 运算原理 基于概率预测，通过大量数据训练来快速预测可能 的答案 基于链式思维（Chain-of-Thought），逐步推理 问题的每个步骤来得到答案 决策能力 依赖预设算法和规则进行决策 能够自主分析情况，实时做出决策 创造力 限于模式识别和优化，缺乏真正的创新能力 更自然地与人互动，理解复杂情感和意图 问题解决能力 擅长解决结构化和定义明确的问题 能够处理多维度和非结构化问题，提供创造性的解 决方案 伦理问题 作为受控工具，几乎没有伦理问题 引发自主性和控制问题的伦理讨论 CoT链式思维的出现将大模型分为了两类：“概率预测（快速反应）”模型和“链式推理（慢速思考）”模型。 前者适合快速反馈，处理即时任务；后者通过推理解决复杂问题。了解它们的差异有助于根据任务需求选择合 适的模型，实现最佳效果。 创意引导能力 设计能激发AI创新思维的提示语 利用类比、反向思考等技巧拓展AI输出的可能性 巧妙结合不同领域概念，产生跨界创新 结果优化能力 分析AI输出，识别改进空间 通过迭代调整提示语，优化输出质量 设计评估标准，量化提示语效果 跨域整合能力 将专业领域知识转化为有效的提示语 利用提示语桥接不同学科和AI能力 创造跨领域的创新解决方案 系统思维 设计多步骤、多维度的提示语体系

对数据进行诊断、预测、关联、聚类分析，常用于问题 定位、需求预测、推荐系统、异常检测等。 对数据进行分类、社交网络分析或时序模式挖掘，常用 于客户细分、信用评分、社交媒体营销、股价预测等。 将数据转化为统计图、热力图、网络关系图、词云、树形 图等，用于揭示数据中蕴含的模式、趋势、异常和洞见。 本质：以多agent实现从数据采集到可视全流程 模型特点 Claude 3.5 sonnet  平衡性能：在模型大小和 响应速度快，高效输出数据分析 结果，分析各因素对关键指标生 存率的影响，语言表达自然，重 点突出结合历史背景对数据规律 进行验证，但没有察觉数据异常。 DeepSeek R1 详细展示长思维链，精准提取关键指 标“幸存率”，分析多个因素特征对 幸存率的影响，结合历史背景对数据 及规律进行验证，并敏锐察觉数据异 常，提出了异常处理建议。 1、读取titanic遇难者名单excel 5均能基于分析结果提供多种可视化图表绘制方案，但都需要依靠运行 Python代码才能完成绘图任务，部分代码会出现错误 Open AI o3mini 能够直接调用DALLE，根据分析结果和任务需求高效绘制各类可视化图 表，部分较为复杂的图表可能出现数据错误或无法生成的情况。 Claude 3.5 sonnet 暂时不能直接绘制出可视图表，需要将绘图 代码复制到本地运行。 Kimi k1.5 结合数据样本和分析结果，提供多种可视化

1991年8月，Linus Benedict Torvalds，这位芬兰赫尔辛基大学计算机科学专业的 一个大二学生，开始研究 Minix 。 4 自由软件运动、开源和 Linux 目录 Lucid Lynx 图 I.1 Linus Benedict Torvalds 小提示 Minix 是一个开源的类 Unix 操作系统，是 Andrew S. Tanenbaum 教授为了便于 教授操作系统的内部流程而开发的。 Augustin、Eric S. Raymond 和 Bruce Perens 等正式开始了开放源码运动。他们以各自卓越的专业基础极大地推动了这项运 动的发展。 6 关于 Ubuntu 目录 Lucid Lynx 图 I.2 开 放 源 码 运 动 的 发 起 者 开 放 源 码 运 动 和 1990 年 代 末 的 互 联 网 的 兴 起 一 起 造 就 了 Linux 的 流 行 ， 随 后 出 现 了 很 这个词来自非洲，意思是“人道待人”，或者“群在故我在”。 Ubuntu 的历史可以追溯到 2004年04月， Mark Shuttleworth 组织了一个开源开 发者小组，旨在创造一个新的 Linux 操作系统。 图 I.3 Mark Shuttleworth GNOME 桌面环境、强大的 Debian、基于时间制定的周期性发布规则，以及 对 自 由 软 件 的 极 大 热 情 ， 成 为 这 个 小 组 工 作

1.8.1 1.9 ⽬录 前⾔ FFmpeg概览 FFmpeg相关 FFmpeg安装 ⾳频处理 提取⾳频⽚段 视频处理 视频属性 获取 调整 尺⼨调整 动图gif 视频转动图 动图转视频 ⽔印 去除⽔印 提取⾳频 字幕处理 背景知识 字幕分类 字幕格式 编辑字幕 Aegisub 提取字幕 转换字幕 嵌⼊字幕 指定字幕位置 指定字幕⽂字属性 等⼯具；再介 绍如何安装ffmpeg；如何⽤ffmpeg处理⾳频，⽐如从⾳频中提取某段⾳频 ⽚段；以及各种视频处理，包括视频属性的获取和调整，包括调整视频宽 ⾼尺⼨⼤⼩；以及动图gif处理，包括视频转动图、动图转视频；以及⽔印 处理，包括去除视频⽔印；从视频中提取完整⾳频和⾳频⽚段；字幕相关 处理，包括字幕的背景知识，包括软字幕和硬字幕、常⻅字幕格式ass和 srt；以及如何⽤Aegi Gitbook最后更新： 2021-09-14 08:36:06 获取 25 动图gif crifan.com，使⽤署名4.0国际(CC BY 4.0)协议发布 all right reserved， powered by Gitbook最后更新： 2021-09-13 15:10:34 获取 26 视频转动图gif 视频转成动图(gif) ffmpeg -i small.mp4 small.gif

的过程中用的工具运行不起来，自己寻找原因，凭着感觉修改版本号等。又 比如导出的 pdf 有缺字的问题，百度明白后才发现跟字体有关。边干边学，每解决掉一个问题，都挺有满 足感的。带着问题去研究去学习，这是一种问题思维。然而一时的解决方案还不够，后来我详细地阅读了 Asciidoc 使用手册，也经常有“原来，还可以这样写！”的体会。 这一点，跟我们平常工作很像，以项目为导向，用啥学啥。比如初学一个框架，先干起来，边看文档，边敲

关的问题，比如转换pdf的过程中用的工具运行不起来，自己寻找原因，凭着感觉修改版本号等。又比如导出 的pdf有缺字的问题，百度明白后才发现跟字体有关。边干边学，每解决掉一个问题，都挺有满足感的。带着 问题去研究去学习，这是一种问题思维。然而一时的解决方案还不够，后来我详细地阅读了Asciidoc使用手 册，也经常有“原来，还可以这样写！”的体会。 这点跟我们平常工作很像，以项目为导向，用啥学啥。比如初学一个框架，先干起来，边看文档，边敲代码

messageQueueList [userId%messageQueueList.size()] 2.3 分布式事物消息 先引入官方文档图： 分布式事物是基于二阶段提交的 1) 一阶段，向 broker 发送一条 prepared 的消息，返回消息的 offset 即消息地址 commitLog 中消息偏移量。Prepared 消息动作 序列图 1. 向 broker 发送长轮询请求 2. Broker 接收长轮询请求 3. Consumer 接收 broker 响应 长轮询活动图： 一张图画不下，再来一张 四：push

Master1 Broker Master2 Broker Slave1 Broker Slave2 Producer集群 Consumer集群 图表 5-2RocketMQ 网络部署图 RocketMQ 网络部署特点  Name Server 是一个几乎无状态节点，可集群部署，节点乀间无任何信息同步。  Broker 部署相对复杂，Broker 分为 Master MEMORY JAVA HEAP DISK Producer Consumer1 Consumer2 Consumer3 ⑤ ④ ⑦ ⑥ ⑧ ③ ② ① 图表 7-7 消息在系统中流转图 (1). Producer 収送消息，消息从 socket 迕入 java 堆。 (2). Producer 収送消息，消息从 java 堆转入 PAGACACHE，物理内存。 (3).