feat: 所有页面添加「← 返回知识库」导航链接

覆盖 27 个此前缺少返回链接的报告页和独立页面（共 50 个 HTML 页，index.html 首页除外） - 标准报告页：header/header-bar 内插入 back-link - 特殊页面：深国际、中医馆、YqBoot、交互式演示等单独适配 - 统一文案「← 返回知识库」，URL 按目录深度自动推算
2026-06-05 19:07:17 +08:00
parent 798200cdd2
commit 5167d9e36e
70 changed files with 12334 additions and 1323 deletions
@@ -0,0 +1,512 @@
+<!DOCTYPE html>
+<html lang="zh-CN">
+<head>
+<meta charset="UTF-8">
+<meta name="viewport" content="width=device-width, initial-scale=1.0">
+<title>AI 核心技能原理说明</title>
+<style>
+  *,*::before,*::after{margin:0;padding:0;box-sizing:border-box}
+  html{font-size:16px;-webkit-text-size-adjust:100%}
+  body{
+    font-family:-apple-system,BlinkMacSystemFont,"PingFang SC","Microsoft YaHei","Noto Sans SC","Helvetica Neue",sans-serif;
+    color:#1d1d1f;background:#fff;line-height:1.7;-webkit-font-smoothing:antialiased;
+  }
+  .wrapper{max-width:800px;margin:0 auto;padding:56px 48px 72px}
+
+  h1{font-size:2rem;font-weight:700;letter-spacing:.04em;margin-bottom:8px}
+  h2{font-size:.875rem;font-weight:600;color:#86868b;text-transform:uppercase;letter-spacing:.08em;margin:40px 0 16px;padding-bottom:8px;border-bottom:1px solid #e5e5ea}
+  h3{font-size:1.05rem;font-weight:600;color:#1d1d1f;margin:20px 0 8px}
+  h4{font-size:.875rem;font-weight:600;color:#515154;margin:12px 0 4px}
+
+  p{margin-bottom:8px;font-size:.9375rem;color:#333}
+  ul,ol{margin:6px 0 6px 20px;font-size:.9rem;color:#333}
+  li{margin-bottom:4px}
+
+  pre{background:#f5f5f7;border-radius:6px;padding:14px 18px;overflow-x:auto;font-size:.8125rem;line-height:1.6;margin:10px 0;white-space:pre}
+  code{font-family:"SF Mono","Cascadia Code","Consolas",monospace;font-size:.8125rem}
+  p code,li code{background:#f5f5f7;padding:1px 6px;border-radius:3px;font-size:.8125rem}
+
+  table{width:100%;border-collapse:collapse;margin:12px 0;font-size:.85rem}
+  thead th{text-align:left;padding:8px 12px;font-size:.75rem;font-weight:600;color:#86868b;text-transform:uppercase;letter-spacing:.04em;border-bottom:1px solid #e5e5ea}
+  tbody td{padding:8px 12px;border-bottom:1px solid #f0f0f3;vertical-align:top}
+  tr:last-child td{border-bottom:none}
+
+  strong{color:#1d1d1f}
+
+  .tag-row{display:flex;flex-wrap:wrap;gap:8px;margin:16px 0 24px}
+  .tag-row span{font-size:.75rem;color:#515154;background:#f5f5f7;padding:4px 12px;border-radius:4px;font-weight:500}
+
+  .summary-box{background:#f5f5f7;border-radius:8px;padding:18px 22px;margin:14px 0;font-size:.9rem}
+
+  @media(max-width:640px){
+    .wrapper{padding:28px 16px 48px}
+    h1{font-size:1.625rem}
+    table{font-size:.78rem}
+    pre{padding:10px 14px;font-size:.75rem}
+  }
+
+  @media print{
+    .wrapper{max-width:100%;padding:0}
+    h2{margin-top:28px}
+  }
+</style>
+</head>
+<body>
+<div class="wrapper">
+
+<a href="./index.html" style="display:inline-block;margin-bottom:8px;color:var(--color-primary);text-decoration:none;font-size:13px;">← 返回知识库</a>
+<h1>AI 核心技能原理说明</h1>
+<p style="color:#86868b;font-size:.875rem">系统梳理大模型应用开发的关键技术原理，涵盖从基础模型到上层应用的完整技术栈。</p>
+
+<div class="tag-row">
+  <span>LLM 基础</span><span>Prompt Engineering</span><span>Agent 架构</span>
+  <span>Skills 编排</span><span>RAG 知识库</span><span>AI Coding</span><span>YOLO 视觉</span>
+</div>
+
+<!-- ===== 1. LLM ===== -->
+<h2>大语言模型（LLM）基础</h2>
+
+<h3>核心原理</h3>
+<ul>
+  <li><strong>Transformer 架构</strong>：所有现代 LLM 的基础。核心是 Self-Attention 机制——每个 token 计算与序列中所有其他 token 的相关性权重，并行处理，突破 RNN 的串行瓶颈，解决长距离依赖问题。</li>
+</ul>
+
+<h4>训练三阶段</h4>
+<ol>
+  <li><strong>Pre-training（预训练）</strong>：海量语料上做 Next Token Prediction，学习语言的统计规律和世界知识</li>
+  <li><strong>SFT（监督微调）</strong>：用高质量指令-回答对训练，让模型学会"对话"</li>
+  <li><strong>RLHF（人类反馈强化学习）</strong>：用人类偏好数据训练奖励模型，再用 PPO 优化，对齐人类价值观。解决"模型能力强但不一定听话"的对齐问题</li>
+</ol>
+
+<h3>关键概念</h3>
+<table>
+  <thead><tr><th>概念</th><th>说明</th></tr></thead>
+  <tbody>
+    <tr><td><strong>Token</strong></td><td>模型处理的最小文本单元，中文约 1.5-2 字符/token</td></tr>
+    <tr><td><strong>Context Window</strong></td><td>模型一次能处理的 token 上限（如 128K、200K）</td></tr>
+    <tr><td><strong>Temperature</strong></td><td>控制输出随机性，0 = 确定性，1 = 高随机</td></tr>
+    <tr><td><strong>Top-P / Top-K</strong></td><td>采样策略，限制候选 token 范围，平衡多样性与质量</td></tr>
+  </tbody>
+</table>
+
+<h3>主流模型对比</h3>
+<table>
+  <thead><tr><th>模型</th><th>特点</th><th>适用场景</th></tr></thead>
+  <tbody>
+    <tr><td><strong>GPT-4o</strong></td><td>多模态，综合能力最强</td><td>复杂推理、多模态任务</td></tr>
+    <tr><td><strong>Claude 4</strong></td><td>长上下文 200K，安全性高，代码能力强</td><td>长文档分析、代码生成</td></tr>
+    <tr><td><strong>DeepSeek-V3</strong></td><td>开源，MoE 架构，性价比极高</td><td>国内部署、成本敏感场景</td></tr>
+    <tr><td><strong>通义千问</strong></td><td>中文优化，阿里云生态深度集成</td><td>政务、企业中文场景</td></tr>
+  </tbody>
+</table>
+
+<!-- ===== 2. Prompt ===== -->
+<h2>Prompt Engineering</h2>
+
+<h3>核心方法论</h3>
+<table>
+  <thead><tr><th>技术</th><th>原理</th><th>示例</th></tr></thead>
+  <tbody>
+    <tr><td><strong>Zero-shot</strong></td><td>不给示例，直接提问</td><td>"将以下文本分类为正面/负面：..."</td></tr>
+    <tr><td><strong>Few-shot</strong></td><td>给 2-5 个示例，模型学习输入输出模式</td><td>示例 1 → 示例 2 → 新输入</td></tr>
+    <tr><td><strong>CoT（思维链）</strong></td><td>要求模型"一步步思考"，激活推理能力</td><td>"让我们一步步分析：首先...其次..."</td></tr>
+    <tr><td><strong>结构化输出</strong></td><td>约束输出格式（JSON / XML）</td><td>"请以 JSON 格式返回，包含 name、age 字段"</td></tr>
+    <tr><td><strong>Self-Consistency</strong></td><td>多次采样 + 投票，提升推理准确率</td><td>同一问题跑 5 次，取多数答案</td></tr>
+  </tbody>
+</table>
+
+<h3>为什么 CoT 有效</h3>
+<ul>
+  <li>LLM 是自回归的——每个 token 基于前文生成</li>
+  <li>写出推理过程 = 给模型更多"思考空间"，中间步骤的 token 约束了后续输出的方向</li>
+  <li>复杂推理任务（数学、逻辑）中 CoT 可将准确率从 ~20% 提升到 ~80%</li>
+</ul>
+
+<h3>Function Calling 原理</h3>
+<ol>
+  <li>定义函数的 JSON Schema（函数名、参数、描述）</li>
+  <li>模型判断用户意图 → 返回函数名 + 结构化参数（而非自然语言）</li>
+  <li>应用层执行函数 → 结果回传模型 → 模型生成最终回复</li>
+  <li>本质：让模型"学会"输出结构化指令，模型不直接调用函数，而是输出参数由应用层执行</li>
+</ol>
+
+<!-- ===== 3. Agent ===== -->
+<h2>Agent 智能体</h2>
+
+<h3>核心架构：ReAct 循环</h3>
+<pre>用户输入 → Agent Core（LLM）
+              │
+              ├─ 规划（Plan）
+              ├─ 调用工具（Tool Use）
+              ├─ 观察结果（Observation）
+              ├─ 反思调整（Reflection）
+              └─ 循环直到目标达成 → 输出</pre>
+
+<h3>关键设计模式</h3>
+<table>
+  <thead><tr><th>模式</th><th>原理</th><th>适用场景</th></tr></thead>
+  <tbody>
+    <tr><td><strong>ReAct</strong></td><td>Reasoning + Acting 交替：思考一步 → 执行一步 → 观察 → 再思考</td><td>需要与外部交互的任务</td></tr>
+    <tr><td><strong>Plan-and-Execute</strong></td><td>先生成完整计划，再逐步执行</td><td>复杂多步任务</td></tr>
+    <tr><td><strong>Multi-Agent</strong></td><td>多个 Agent 分工协作，各司其职</td><td>跨领域复杂流程</td></tr>
+  </tbody>
+</table>
+
+<h3>多 Agent 协作</h3>
+<ul>
+  <li><strong>分工原则</strong>：每个 Agent 有明确角色和工具集，互不越界</li>
+  <li><strong>通信方式</strong>：共享内存/消息队列（Agent A 输出 → Agent B 输入）、中央调度器（Orchestrator 统一分发任务、汇总结果）</li>
+  <li><strong>冲突仲裁</strong>：定义优先级规则或由调度 Agent 决策</li>
+</ul>
+
+<h3>安全护栏（Guardrails）</h3>
+<ul>
+  <li><strong>输入护栏</strong>：敏感词过滤、注入攻击检测</li>
+  <li><strong>输出护栏</strong>：内容合规校验、事实性核查</li>
+  <li><strong>行为护栏</strong>：限制可调用的工具范围、设置最大循环次数防止死循环</li>
+</ul>
+
+<div class="summary-box">
+  <strong>Agent vs 普通 LLM 调用</strong>：Agent 的核心区别在于拥有自主规划 + 工具调用 + 循环决策能力，不是一次问答，而是多步自主完成任务。
+</div>
+
+<!-- ===== 4. Skills ===== -->
+<h2>Skills 编排系统</h2>
+
+<h3>设计理念</h3>
+<p>将业务能力封装为标准化、可复用的 Skill 模块，由 LLM 根据用户意图自动选择并编排执行。</p>
+
+<h3>架构流程</h3>
+<pre>用户输入
+    ↓
+意图识别（LLM）
+    ↓
+Skill 路由（语义匹配最相关的 Skill 组合）
+    ↓
+编排执行（串行 / 并行 / 条件分支）
+    ↓
+结果聚合 → 输出</pre>
+
+<h3>Skill 定义规范</h3>
+<pre>{
+  "name": "report_generator",
+  "description": "根据查询条件生成业务报表",
+  "parameters": {
+    "report_type": "销售报表 / 库存报表 / 财务报表",
+    "date_range": "起止日期",
+    "format": "PDF / Excel"
+  },
+  "auth_required": true
+}</pre>
+
+<h3>关键机制</h3>
+<table>
+  <thead><tr><th>机制</th><th>说明</th></tr></thead>
+  <tbody>
+    <tr><td><strong>热加载</strong></td><td>Skill 注册/下线不重启系统，通过配置中心或数据库动态生效</td></tr>
+    <tr><td><strong>自动路由</strong></td><td>LLM 用语义匹配（Embedding 相似度）找到最相关的 Skill</td></tr>
+    <tr><td><strong>依赖解析</strong></td><td>Skill A 的输出可能是 Skill B 的输入，编排引擎自动处理依赖顺序</td></tr>
+    <tr><td><strong>降级策略</strong></td><td>首选 Skill 不可用时，自动回退到备选方案或转人工</td></tr>
+  </tbody>
+</table>
+
+<div class="summary-box">
+  <strong>与 Function Calling 的关系</strong>：Skills 编排是更高层的抽象，一个 Skill 可能包含多个 Function Call。类比：Skills 编排 ≈ 微服务 + API 网关 + 服务编排，只是"路由规则"由 LLM 动态决定。
+</div>
+
+<!-- ===== 5. RAG ===== -->
+<h2>知识库（RAG）系统</h2>
+
+<h3>为什么需要 RAG</h3>
+<ul>
+  <li>LLM 训练数据有截止日期，无法回答最新问题</li>
+  <li>LLM 可能产生幻觉（编造不存在的事实）</li>
+  <li>企业私有数据不能用于训练公共模型</li>
+  <li>RAG = 检索（<strong>R</strong>etrieve）+ 增强（<strong>A</strong>ugment）+ 生成（<strong>G</strong>enerate）</li>
+</ul>
+
+<h3>核心流程</h3>
+<pre><strong>文档入库（离线）</strong>：
+  原始文档 → 解析 → 分块 → Embedding → 存入向量数据库
+
+<strong>在线问答</strong>：
+  用户提问 → Embedding → 向量检索（Top-K）→ 拼接 Prompt → LLM 生成 → 返回</pre>
+
+<h3>分块策略（Chunking）</h3>
+<table>
+  <thead><tr><th>策略</th><th>适用场景</th><th>优缺点</th></tr></thead>
+  <tbody>
+    <tr><td><strong>固定长度</strong></td><td>通用场景</td><td>实现简单但可能切断语义</td></tr>
+    <tr><td><strong>语义分块</strong></td><td>长文档</td><td>按段落/章节切分，语义完整</td></tr>
+    <tr><td><strong>滑动窗口</strong></td><td>需要上下文</td><td>相邻块有重叠，避免信息断裂</td></tr>
+  </tbody>
+</table>
+
+<h3>Embedding 模型选择</h3>
+<ul>
+  <li>中文：bge-large-zh、text2vec-large-chinese、m3e</li>
+  <li>多语言：text-embedding-3-large（OpenAI）、bge-m3</li>
+  <li>Embedding 本质：将文本映射到高维向量空间，语义相近的文本向量距离近</li>
+</ul>
+
+<h3>检索优化</h3>
+<table>
+  <thead><tr><th>技术</th><th>说明</th></tr></thead>
+  <tbody>
+    <tr><td><strong>混合检索</strong></td><td>语义检索（向量）+ 关键词检索（BM25）加权融合，提升召回率</td></tr>
+    <tr><td><strong>Rerank</strong></td><td>粗召回后用精排模型重排序，提升 Top-N 精度</td></tr>
+    <tr><td><strong>元数据过滤</strong></td><td>按时间/分类/权限等结构化字段预过滤，缩小检索范围</td></tr>
+  </tbody>
+</table>
+
+<!-- ===== 6. AI Coding ===== -->
+<h2>AI Coding</h2>
+
+<h3>主流工具原理</h3>
+<table>
+  <thead><tr><th>工具</th><th>底层原理</th><th>特点</th></tr></thead>
+  <tbody>
+    <tr><td><strong>Claude Code</strong></td><td>Claude 模型 + 工具调用（文件读写/Shell/搜索），Agent 模式自主执行</td><td>复杂任务拆解，长期上下文</td></tr>
+    <tr><td><strong>GitHub Copilot</strong></td><td>Codex 模型，实时上下文（当前文件+相邻Tab+项目结构）补全</td><td>IDE 深度集成，毫秒级响应</td></tr>
+    <tr><td><strong>Cursor</strong></td><td>多模型支持，全文件上下文编辑，Composer 模式</td><td>重构友好，Diff 预览</td></tr>
+    <tr><td><strong>Aider</strong></td><td>CLI 工具，Git 集成，Map-Reduce 处理大代码库</td><td>终端场景，可脚本化</td></tr>
+  </tbody>
+</table>
+
+<h3>三种工作模式</h3>
+<ol>
+  <li><strong>补全模式</strong>：根据光标上下文，实时续写代码（Copilot 类）</li>
+  <li><strong>对话模式</strong>：自然语言描述需求 → AI 生成/修改代码（Cursor / Claude Code）</li>
+  <li><strong>Agent 模式</strong>：AI 自主规划 → 读写文件 → 执行命令 → 检查结果 → 迭代修复（Claude Code）</li>
+</ol>
+
+<h3>工程化实践</h3>
+<ul>
+  <li><strong>小步提交</strong>：每次 AI 修改控制在 200 行 diff 以内，便于 Review 和回滚</li>
+  <li><strong>测试驱动</strong>：先让 AI 写测试，再写实现——"测试是 AI 的 spec"</li>
+  <li><strong>代码审查</strong>：AI 生成代码必须人工 Review，重点关注边界条件和安全问题</li>
+  <li><strong>上下文质量</strong>：清晰的上下文（项目结构 + 技术栈 + 编码规范）大幅提升 AI 输出质量</li>
+</ul>
+
+<!-- ===== 7. YOLO ===== -->
+<h2>AI 视觉（YOLO）</h2>
+
+<h3>核心思想</h3>
+<ul>
+  <li><strong>You Only Look Once</strong>：将目标检测转化为回归问题</li>
+  <li>输入图片 → 单次 CNN 前向传播 → 同时输出边界框 + 类别概率</li>
+  <li>相比 R-CNN 系列的两阶段方法（先提候选区 → 再分类），YOLO 更快，适合实时场景</li>
+</ul>
+
+<h3>演进路线</h3>
+<table>
+  <thead><tr><th>版本</th><th>关键改进</th><th>年份</th></tr></thead>
+  <tbody>
+    <tr><td><strong>YOLOv5</strong></td><td>工程化最成熟，社区生态好</td><td>2020</td></tr>
+    <tr><td><strong>YOLOv8</strong></td><td>无锚框检测，多任务（检测/分割/姿态）统一框架</td><td>2023</td></tr>
+    <tr><td><strong>YOLOv10</strong></td><td>NMS-Free，端到端，效率进一步提升</td><td>2024</td></tr>
+  </tbody>
+</table>
+
+<h3>训练部署流程</h3>
+<pre>数据采集 → 标注（LabelImg / LabelStudio）→ 数据集划分（训练/验证/测试）
+    → 数据增强（翻转/旋转/色彩抖动/Mosaic）
+    → 模型训练（预训练权重微调）
+    → 模型转换（ONNX / TensorRT）
+    → 边缘/服务端部署</pre>
+
+<h3>网络架构：Backbone + Neck + Head</h3>
+<table>
+  <thead><tr><th>组件</th><th>作用</th><th>YOLOv8 示例</th></tr></thead>
+  <tbody>
+    <tr><td><strong>Backbone</strong></td><td>特征提取网络，从原始图像中提取多尺度特征图</td><td>CSPDarknet + C2f 模块（跨阶段局部网络，提升梯度流动）</td></tr>
+    <tr><td><strong>Neck</strong></td><td>特征融合层，将不同尺度的特征图进行融合，增强多尺度检测能力</td><td>PAN-FPN（路径聚合网络 + 特征金字塔），自顶向下 + 自底向上双向融合</td></tr>
+    <tr><td><strong>Head</strong></td><td>检测头，输出最终的边界框坐标 + 类别概率 + 置信度</td><td>解耦头（Decoupled Head）：分类和回归分支分离，各自优化</td></tr>
+  </tbody>
+</table>
+
+<h3>关键技术原理</h3>
+
+<h4>锚框（Anchor Box）</h4>
+<ul>
+  <li>预定义的一组宽高比和尺度的候选框，模型预测的是相对于锚框的偏移量而非绝对坐标</li>
+  <li>YOLOv5：基于训练集聚类（K-Means）自动生成锚框尺寸</li>
+  <li>YOLOv8：引入 <strong>Anchor-Free</strong> 机制，直接预测目标中心点和宽高，消除锚框超参数调优</li>
+</ul>
+
+<h4>NMS（非极大值抑制）</h4>
+<ul>
+  <li>同一目标可能产生多个重叠的检测框，NMS 用于去除冗余框</li>
+  <li>流程：按置信度排序 → 选取最高分框 → 计算与其他框的 IoU → 抑制 IoU > 阈值的框 → 重复</li>
+  <li>YOLOv10：引入 <strong>NMS-Free</strong> 训练，通过一对一标签分配（One-to-One Assignment）在推理时不再需要 NMS 后处理</li>
+</ul>
+
+<h4>损失函数</h4>
+<table>
+  <thead><tr><th>损失类型</th><th>说明</th><th>常用函数</th></tr></thead>
+  <tbody>
+    <tr><td><strong>分类损失</strong></td><td>衡量类别预测的准确性</td><td>BCE Loss（二元交叉熵）</td></tr>
+    <tr><td><strong>定位损失</strong></td><td>衡量边界框坐标的准确性</td><td>CIoU Loss（考虑重叠面积 + 中心点距离 + 宽高比）</td></tr>
+    <tr><td><strong>置信度损失</strong></td><td>衡量"该框包含目标"的置信度</td><td>BCE Loss + Focal Loss（聚焦难分样本）</td></tr>
+  </tbody>
+</table>
+
+<h3>核心评估指标</h3>
+<table>
+  <thead><tr><th>指标</th><th>定义</th><th>意义</th></tr></thead>
+  <tbody>
+    <tr><td><strong>IoU</strong></td><td>预测框与真实框的交集 / 并集</td><td>衡量定位精度，> 0.5 通常认为检测正确</td></tr>
+    <tr><td><strong>mAP</strong></td><td>所有类别 AP 的平均值</td><td>综合衡量检测精度，最常用的整体指标</td></tr>
+    <tr><td><strong>mAP@0.5</strong></td><td>IoU 阈值 = 0.5 时的 mAP</td><td>宽松标准，反映"找得到"的能力</td></tr>
+    <tr><td><strong>mAP@0.5:0.95</strong></td><td>IoU 从 0.5 到 0.95（步长 0.05）取平均</td><td>严格标准，反映"定位准"的能力（COCO 数据集主要指标）</td></tr>
+    <tr><td><strong>FPS</strong></td><td>每秒处理帧数</td><td>衡量推理速度，实时场景通常需要 ≥ 25 FPS</td></tr>
+  </tbody>
+</table>
+
+<h3>模型优化与加速</h3>
+<table>
+  <thead><tr><th>技术</th><th>原理</th><th>效果</th></tr></thead>
+  <tbody>
+    <tr><td><strong>模型量化（INT8）</strong></td><td>将 FP32 权重和激活值映射到 INT8，降低计算精度换取速度</td><td>推理速度 2-4x 提升，精度损失 < 1%</td></tr>
+    <tr><td><strong>模型剪枝</strong></td><td>移除不重要的通道/层，减少参数量和计算量</td><td>模型体积缩减 30-50%，速度提升</td></tr>
+    <tr><td><strong>TensorRT 加速</strong></td><td>NVIDIA 推理优化引擎：层融合、显存优化、内核自动调优</td><td>推理速度 3-5x 提升，适合 GPU 部署</td></tr>
+    <tr><td><strong>ONNX 导出</strong></td><td>将 PyTorch 模型导出为 ONNX 通用格式，跨框架/跨硬件部署</td><td>一次导出，多端部署（GPU / CPU / Edge TPU）</td></tr>
+    <tr><td><strong>OpenVINO</strong></td><td>Intel 推理引擎，针对 CPU / VPU / FPGA 优化</td><td>x86 平台 CPU 推理加速，无需 GPU</td></tr>
+  </tbody>
+</table>
+
+<h3>主流检测模型对比</h3>
+<table>
+  <thead><tr><th>模型</th><th>类型</th><th>精度 (mAP)</th><th>速度</th><th>适用场景</th></tr></thead>
+  <tbody>
+    <tr><td><strong>YOLOv8</strong></td><td>单阶段 Anchor-Free</td><td>高</td><td>快</td><td>实时检测、边缘部署</td></tr>
+    <tr><td><strong>YOLOv10</strong></td><td>单阶段 NMS-Free</td><td>更高</td><td>更快</td><td>端到端实时检测</td></tr>
+    <tr><td><strong>Faster R-CNN</strong></td><td>两阶段</td><td>最高</td><td>慢</td><td>高精度离线分析</td></tr>
+    <tr><td><strong>SSD</strong></td><td>单阶段</td><td>中等</td><td>快</td><td>轻量级移动端</td></tr>
+    <tr><td><strong>RT-DETR</strong></td><td>基于 Transformer</td><td>高</td><td>较快</td><td>端到端 + 全局上下文建模</td></tr>
+  </tbody>
+</table>
+
+<h3>视频流推理 Pipeline（工程实践）</h3>
+<pre>
+┌──────────┐    ┌──────────┐    ┌──────────┐    ┌──────────┐    ┌──────────┐
+│  RTSP    │───→│  解码    │───→│  抽帧    │───→│  YOLO    │───→│  告警    │
+│  取流    │    │ FFmpeg   │    │ (1-N fps)│    │  推理    │    │  推送    │
+└──────────┘    └──────────┘    └──────────┘    └──────────┘    └──────────┘
+                                                     │
+                                                     ▼
+                                              ┌──────────┐
+                                              │ 目标跟踪  │
+                                              │ DeepSORT │
+                                              └──────────┘
+</pre>
+<ul>
+  <li><strong>取流</strong>：FFmpeg / GStreamer 拉取 RTSP 视频流，支持 H.264/H.265 硬解码</li>
+  <li><strong>抽帧</strong>：按业务需求设置帧率（实时监控 5-10 fps，高精度场景 25 fps），跳帧策略节省算力</li>
+  <li><strong>推理</strong>：预处理（Resize + Normalize）→ GPU 推理 → 后处理（NMS / 坐标映射）</li>
+  <li><strong>目标跟踪</strong>：DeepSORT（卡尔曼滤波 + 匈牙利匹配 + ReID 特征），跨帧关联同一目标，实现轨迹追踪与计数</li>
+  <li><strong>告警推送</strong>：检测到目标 → 截图存证 → 通过 MQTT / WebSocket / 钉钉机器人实时推送告警</li>
+</ul>
+
+<h3>常见应用场景与模型选型</h3>
+<table>
+  <thead><tr><th>场景</th><th>检测目标</th><th>推荐模型</th><th>部署方式</th></tr></thead>
+  <tbody>
+    <tr><td><strong>安全生产</strong></td><td>安全帽、反光衣、烟火、区域入侵</td><td>YOLOv8s</td><td>边缘盒子（Jetson Orin）</td></tr>
+    <tr><td><strong>智慧交通</strong></td><td>车牌、车型、车流统计、违停</td><td>YOLOv8m + LPRNet</td><td>边缘服务器（T4 GPU）</td></tr>
+    <tr><td><strong>农业物联网</strong></td><td>病虫害识别、果实计数、生长阶段</td><td>YOLOv8n</td><td>边缘网关 / 云端 GPU</td></tr>
+    <tr><td><strong>工业质检</strong></td><td>产品缺陷、尺寸偏差、装配完整性</td><td>YOLOv8x</td><td>工业相机 + GPU 工控机</td></tr>
+    <tr><td><strong>安防监控</strong></td><td>人脸、人体、异常行为、物品遗留</td><td>YOLOv8l</td><td>NVR + 算力卡 / 中心服务器</td></tr>
+  </tbody>
+</table>
+
+<h3>实施场景注意事项（实战经验）</h3>
+
+<div class="summary-box">
+  以下基于实际项目踩坑经验总结——涉及 GB/T 28181 国标平台、海康/大华 SDK、开源方案（FastBee / WVP-GB28181 / FFmpeg + YOLO）在真实场景中的落地要点。
+</div>
+
+<h4>摄像头接入与取流</h4>
+<table>
+  <thead><tr><th>问题</th><th>常见坑</th><th>对策</th></tr></thead>
+  <tbody>
+    <tr><td><strong>协议兼容</strong></td><td>不同品牌摄像头支持的协议不同——海康优先 ISUP / EHOME，大华有私有 SDK，ONVIF 各厂商实现程度不一</td><td>优先对接 GB/T 28181 国标（强制标准），兜底 RTSP；海康/大华单独适配 SDK 以获得完整 PTZ 控制和报警回调</td></tr>
+    <tr><td><strong>RTSP 稳定性</strong></td><td>RTSP 基于 UDP，网络抖动导致花屏、断流；长时间运行 TCP 会话可能被防火墙断开</td><td>使用 TCP 传输模式（<code>?tcp</code> 参数）；增加断线重连 + 指数退避策略；FFmpeg 设置 <code>-rtsp_transport tcp -stimeout 5000000</code></td></tr>
+    <tr><td><strong>多路并发</strong></td><td>直接拉 50+ 路 RTSP 流导致带宽和连接数爆炸，单台服务器网卡成为瓶颈</td><td>分级架构：边缘网关（NVR / 工控机）本地拉流 + 推理，只上传告警事件到中心；或使用流媒体服务（ZLM / SRS）统一收流转发</td></tr>
+    <tr><td><strong>视频编码</strong></td><td>H.265 摄像头越来越普及，但部分开源推理框架对 H.265 硬解支持不佳</td><td>确认 GPU 硬解能力（NVIDIA NVDEC / Intel QSV）；必要时在接入层统一转码为 H.264；优先选 H.264 流的摄像头子码流做推理</td></tr>
+  </tbody>
+</table>
+
+<h4>推理性能与资源规划</h4>
+<table>
+  <thead><tr><th>问题</th><th>常见坑</th><th>对策</th></tr></thead>
+  <tbody>
+    <tr><td><strong>GPU 资源估算</strong></td><td>低估了多路视频并发推理的显存和算力需求，上线后发现 GPU 跑不满或 OOM</td><td>单路 YOLOv8s 约占用 1.5-2GB 显存；一张 T4（16GB）实际可跑 8-12 路（需留显存给解码 + 前后处理）；做好压测再承诺路数</td></tr>
+    <tr><td><strong>抽帧策略</strong></td><td>全部 25fps 逐帧推理，GPU 资源浪费且告警风暴（同一个目标连续告警几十次）</td><td>按场景定抽帧率：周界入侵 5fps、烟火检测 2fps、车牌识别 10fps；配合跳帧 + 告警去重（同一目标同一区域 N 秒内只告警一次）</td></tr>
+    <tr><td><strong>子码流推理</strong></td><td>用主码流（1080P/4K）做推理，分辨率远超模型输入尺寸（640×640），浪费解码 + 预处理算力</td><td>摄像头开启子码流（704×576 或 640×480），专门用于 AI 推理；主码流仅用于录像存储和人工调阅</td></tr>
+    <tr><td><strong>批处理 vs 实时</strong></td><td>为提升吞吐量攒批次推理，但引入几百毫秒延迟，告警不及时</td><td>安防场景优先低延迟：单帧推理、不攒批；离线分析（如事后检索）可以用大 batch 提升吞吐</td></tr>
+    <tr><td><strong>模型选型误区</strong></td><td>追求大模型高精度（YOLOv8x），忽略边缘设备算力限制</td><td>边缘设备用 YOLOv8n/s + TensorRT INT8 量化；中心服务器可用大模型做二次复核（小模型初筛 → 大模型确认）</td></tr>
+  </tbody>
+</table>
+
+<h4>告警策略与误报控制</h4>
+<table>
+  <thead><tr><th>问题</th><th>常见坑</th><th>对策</th></tr></thead>
+  <tbody>
+    <tr><td><strong>误报泛滥</strong></td><td>检测灵敏度设太高或未做区域过滤，一天几百条误报告警，客户直接关系统</td><td>多级过滤：置信度阈值（≥0.6）+ 检测区域 ROI 绘制（排除马路/绿化带等干扰区）+ 时间策略（工作时间告警、非工作时间静默）</td></tr>
+    <tr><td><strong>告警风暴</strong></td><td>同一事件持续触发（如一个烟头在画面中 5 分钟，告警 300 次）</td><td>告警去重窗口：同一摄像头 + 同一目标类别 + N 秒内合并为一条；告警升级机制：持续超过 M 分钟升级为严重告警</td></tr>
+    <tr><td><strong>目标跟踪丢失</strong></td><td>DeepSORT 在遮挡、光照变化、密集场景下 ID Switch 严重，导致计数不准</td><td>结合 ROI 区域限定跟踪范围；遮挡后给 ReID 特征匹配设置合理的超时时间（如 30 帧）；密集场景考虑 ByteTrack（低分框也做匹配，抗遮挡更好）</td></tr>
+    <tr><td><strong>昼夜差异</strong></td><td>白天训练模型用在夜间红外画面，检测率断崖下降</td><td>训练集必须包含红外/微光场景样本（至少 20%）；或分时段加载不同模型（白天模型 + 夜间模型）</td></tr>
+    <tr><td><strong>天气影响</strong></td><td>雨雪雾天气导致画面模糊，检测失效</td><td>数据增强时加入高斯模糊、亮度抖动、模拟雨雪噪声；极端天气自动切换为移动侦测兜底方案</td></tr>
+  </tbody>
+</table>
+
+<h4>存储与回溯</h4>
+<table>
+  <thead><tr><th>问题</th><th>常见坑</th><th>对策</th></tr></thead>
+  <tbody>
+    <tr><td><strong>告警截图丢失</strong></td><td>只存告警记录不存截图/短视频，事后追查无依据</td><td>告警触发时同时保存：告警时刻前后各 3 秒的短视频片段 + 关键帧截图 + 检测框标注图；存储策略：热数据 SSD（7 天）、冷数据 NAS/对象存储（90 天）</td></tr>
+    <tr><td><strong>录像回溯</strong></td><td>告警记录和录像时间戳不对齐，事后查证时找不到对应录像片段</td><td>告警记录强制记录 NTP 时间戳（精确到毫秒）+ 摄像头编号 + 帧序号；对接 NVR 录像回放 API 实现一键跳转到告警时刻回放</td></tr>
+    <tr><td><strong>存储成本</strong></td><td>全量录像 7×24 存储，100 路 1080P 一个月几十 TB</td><td>常态录像：低码率 + 移动侦测录像（只录有动静的）；告警录像：高清 + 完整片段；定期清理策略自动化</td></tr>
+  </tbody>
+</table>
+
+<h4>系统可靠性与运维</h4>
+<table>
+  <thead><tr><th>问题</th><th>常见坑</th><th>对策</th></tr></thead>
+  <tbody>
+    <tr><td><strong>单点故障</strong></td><td>AI 推理服务挂了，所有摄像头告警全部中断，且没有感知</td><td>服务健康检查 + 自动重启（systemd / k8s 探针）；关键通道双机热备；监控告警通道本身的心跳（超过 1 分钟无数据触发运维告警）</td></tr>
+    <tr><td><strong>GPU 掉卡</strong></td><td>GPU 长时间运行温度过高掉卡或驱动崩溃，进程无感知卡死</td><td>定时检测 GPU 可用性（nvidia-smi + CUDA 可用性探针）；异常时自动重启推理服务；边缘设备注意散热和防尘</td></tr>
+    <tr><td><strong>模型更新</strong></td><td>模型迭代后直接全量替换，新模型在某个点位效果变差，缺乏回滚能力</td><td>灰度发布：先在 10% 通道上验证新模型，对比告警准确率；保留上一版本模型，支持一键回滚；记录模型版本 + 通道的告警效果基线</td></tr>
+    <tr><td><strong>时钟同步</strong></td><td>服务器、摄像头、NVR 时钟不同步，告警时序混乱，多路联动失败</td><td>全系统强制 NTP 对时；摄像头每天自动校时；告警时间以服务器收到帧的时间戳为准（而非摄像头 OSD 时间）</td></tr>
+    <tr><td><strong>日志与审计</strong></td><td>出了事故查不到为什么没告警——是模型没检测到？还是告警规则过滤了？还是推送通道断了？</td><td>全链路埋点：取流状态 → 抽帧计数 → 推理耗时 → 检测结果 → 过滤规则命中 → 告警推送状态，每个环节都可追溯</td></tr>
+  </tbody>
+</table>
+
+<h4>国标 GB/T 28181 对接注意事项</h4>
+<ul>
+  <li><strong>SIP 信令</strong>：国标基于 SIP 协议，摄像头/NVR 作为 SIP UA 注册到平台。注意 SIP 超时设置（默认 3600 秒），需定期发送心跳保持在线</li>
+  <li><strong>目录推送</strong>：平台通过 Catalog 订阅获取设备列表。设备增删改后需触发目录同步，否则平台看不到新设备</li>
+  <li><strong>流媒体分发</strong>：AI 推理不要直接从摄像头拉流（摄像头并发拉流能力有限，通常 3-5 路），应通过国标平台的流媒体服务（ZLM / SRS）统一分发</li>
+  <li><strong>PTZ 控制</strong>：球机预置位巡航 + AI 检测联动——检测到目标后自动调用预置位、变焦放大做二次确认</li>
+  <li><strong>报警订阅</strong>：国标支持摄像头自带报警（移动侦测/IO 输入）的 SIP 订阅推送，可结合 AI 告警做交叉验证</li>
+</ul>
+
+<!-- ===== Summary ===== -->
+<h2>技术全景总结</h2>
+<table>
+  <thead><tr><th>方向</th><th>核心原理</th></tr></thead>
+  <tbody>
+    <tr><td><strong>LLM</strong></td><td>Transformer + 三阶段训练，Self-Attention 是核心</td></tr>
+    <tr><td><strong>Prompt</strong></td><td>通过输入设计引导模型行为，CoT 通过中间推理 token 约束输出路径</td></tr>
+    <tr><td><strong>Agent</strong></td><td>LLM + 规划 + 工具调用 + 循环决策 = 自主完成任务</td></tr>
+    <tr><td><strong>Skills 编排</strong></td><td>业务能力模块化，LLM 语义匹配 + 动态路由，自动编排执行</td></tr>
+    <tr><td><strong>RAG</strong></td><td>检索外部知识增强 LLM，离线入库 + 在线问答双 Pipeline，解决幻觉与知识时效</td></tr>
+    <tr><td><strong>AI Coding</strong></td><td>AI 辅助代码生成/审查/测试，Agent 模式实现自主开发闭环</td></tr>
+    <tr><td><strong>YOLO</strong></td><td>单阶段目标检测，Backbone+Neck+Head 架构，一次前向传播同时输出检测框与类别，适合实时视频流推理</td></tr>
+  </tbody>
+</table>
+
+</div>
+</body>
+</html>
@@ -0,0 +1,268 @@
+# AI 核心技能原理说明
+
+> 面试快速回顾用，每条控制在 2-3 分钟可讲完。
+
+---
+
+## 1. 大语言模型（LLM）基础
+
+### 核心原理
+- **Transformer 架构**：所有现代 LLM 的基础。核心是 Self-Attention 机制——每个 token 计算与序列中所有其他 token 的相关性权重，并行处理，突破 RNN 的串行瓶颈。
+- **训练三阶段**：
+  1. **Pre-training**（预训练）：海量语料上做 Next Token Prediction，学习语言的统计规律和世界知识
+  2. **SFT**（监督微调）：用高质量指令-回答对训练，让模型学会"对话"
+  3. **RLHF**（人类反馈强化学习）：用人类偏好数据训练奖励模型，再用 PPO 优化，对齐人类价值观
+
+### 关键概念
+| 概念 | 说明 |
+|------|------|
+| **Token** | 模型处理的最小文本单元，中文约 1.5-2 字符/token |
+| **Context Window** | 模型一次能处理的 token 上限（如 128K、200K） |
+| **Temperature** | 控制输出随机性，0=确定性，1=高随机 |
+| **Top-P / Top-K** | 采样策略，限制候选 token 范围 |
+
+### 主流模型对比
+| 模型 | 特点 | 适用场景 |
+|------|------|----------|
+| GPT-4o | 多模态，综合最强 | 复杂推理、多模态任务 |
+| Claude 4 | 长上下文 200K，安全性高 | 长文档分析、代码生成 |
+| DeepSeek-V3 | 开源，性价比高，MoE 架构 | 国内部署、成本敏感场景 |
+| 通义千问 | 中文优化，阿里云生态 | 政务、企业中文场景 |
+
+### 面试要点
+- 说清楚 Transformer 的 Self-Attention 解决了什么问题（长距离依赖、并行化）
+- 能解释为什么需要 RLHF（对齐问题——模型能力强但不一定听话）
+- 知道怎么选模型：看场景（精度/成本/延迟）、看上下文长度、看部署方式
+
+---
+
+## 2. Prompt Engineering
+
+### 核心方法论
+| 技术 | 原理 | 示例 |
+|------|------|------|
+| **Zero-shot** | 不给示例，直接提问 | "将以下文本分类为正面/负面：..." |
+| **Few-shot** | 给 2-5 个示例，模型学会模式 | 示例1 → 示例2 → 新输入 |
+| **CoT**（思维链） | 要求模型"一步步思考"，激活推理能力 | "让我们一步步分析：首先...其次..." |
+| **结构化输出** | 约束输出格式（JSON/XML）| "请以 JSON 格式返回，包含 name、age 字段" |
+| **Self-Consistency** | 多次采样 + 投票，提升推理准确率 | 同一问题跑 5 次，取多数答案 |
+
+### 为什么 CoT 有效
+- LLM 是自回归的——每个 token 基于前文生成
+- 写出推理过程 = 给模型更多"思考空间"，中间步骤的 token 约束了后续输出的方向
+- 复杂推理任务（数学、逻辑）中 CoT 可将准确率从 ~20% 提升到 ~80%
+
+### Function Calling 原理
+1. 定义函数的 JSON Schema（函数名、参数、描述）
+2. 模型判断用户意图 → 返回函数名 + 结构化参数（而非自然语言）
+3. 应用层执行函数 → 结果回传模型 → 模型生成最终回复
+4. 本质：让模型"学会"输出结构化指令，而非直接回答
+
+### 面试要点
+- 能解释 CoT 的原理（通过中间 token 约束推理路径）
+- 能说清楚 Function Calling 的流程（不是模型调用函数，是模型输出参数，应用层执行）
+- 准备一个实际案例（如：好差评系统中用 Few-shot + CoT 做评价分类）
+
+---
+
+## 3. Agent 智能体
+
+### 核心架构
+```
+用户输入 → Agent Core（LLM）→ 规划（Plan）
+                              → 调用工具（Tool Use）
+                              → 观察结果（Observation）
+                              → 反思调整（Reflection）
+                              → 循环直到目标达成 → 输出
+```
+
+### 关键设计模式
+| 模式 | 原理 | 适用场景 |
+|------|------|----------|
+| **ReAct** | Reasoning + Acting 交替：思考一步 → 执行一步 → 观察 → 再思考 | 需要与外部交互的任务 |
+| **Plan-and-Execute** | 先生成完整计划，再逐步执行 | 复杂多步任务 |
+| **Multi-Agent** | 多个 Agent 分工协作，各司其职 | 跨领域复杂流程 |
+
+### 多 Agent 协作
+- **分工原则**：每个 Agent 有明确角色和工具集，互不越界
+- **通信方式**：
+  - 共享内存/消息队列：Agent A 输出 → Agent B 输入
+  - 中央调度器：Orchestrator 统一分发任务、汇总结果
+- **冲突仲裁**：定义优先级规则或由调度 Agent 决策
+
+### 安全护栏（Guardrails）
+- **输入护栏**：敏感词过滤、注入攻击检测
+- **输出护栏**：内容合规校验、事实性核查
+- **行为护栏**：限制可调用的工具范围、设置最大循环次数防止死循环
+
+### 面试要点
+- 说清楚 Agent 和普通 LLM 调用的区别（Agent 有自主规划 + 工具调用 + 循环决策能力）
+- 能画出 Agent 的 ReAct 循环图
+- 准备一个落地案例（如：民政 AI 客服中，Agent 判断用户意图 → 调用知识库检索 → 查办事进度 API → 生成回答）
+
+---
+
+## 4. Skills 编排系统
+
+### 设计理念
+将业务能力封装为标准化、可复用的 Skill 模块，由 LLM 根据用户意图自动选择并编排执行。
+
+### 架构
+```
+用户输入
+    │
+    ▼
+意图识别（LLM）
+    │
+    ▼
+Skill 路由（匹配最相关的 Skill 组合）
+    │
+    ▼
+编排执行（串行/并行/条件分支）
+    │
+    ▼
+结果聚合 → 输出
+```
+
+### Skill 定义规范
+```json
+{
+  "name": "report_generator",
+  "description": "根据查询条件生成业务报表",
+  "parameters": {
+    "report_type": "销售报表 / 库存报表 / 财务报表",
+    "date_range": "起止日期",
+    "format": "PDF / Excel"
+  },
+  "auth_required": true
+}
+```
+
+### 关键机制
+| 机制 | 说明 |
+|------|------|
+| **热加载** | Skill 注册/下线不重启系统，通过配置中心或数据库动态生效 |
+| **自动路由** | LLM 用语义匹配（Embedding 相似度）找到最相关的 Skill |
+| **依赖解析** | Skill A 的输出可能是 Skill B 的输入，编排引擎自动处理依赖顺序 |
+| **降级策略** | 首选 Skill 不可用时，自动回退到备选方案或转人工 |
+
+### 面试要点
+- 类比：Skills 编排 ≈ 微服务 + API 网关 + 服务编排，只是"路由规则"由 LLM 动态决定
+- 能说清楚和 Function Calling 的关系：Skills 编排是更高层的抽象，一个 Skill 可能包含多个 Function Call
+- 准备一个例子：用户说"帮我生成上月销售报表并推送到钉钉"→ 路由到 `report_generator` + `dingtalk_notifier` 两个 Skill
+
+---
+
+## 5. 知识库（RAG）系统
+
+### 为什么需要 RAG
+- LLM 训练数据有截止日期，无法回答最新问题
+- LLM 可能产生幻觉（编造不存在的事实）
+- 企业私有数据不能用于训练公共模型
+- RAG = **检索（Retrieve）+ 增强（Augment）+ 生成（Generate）**
+
+### 核心流程
+```
+文档入库（离线）：
+  原始文档 → 解析 → 分块 → Embedding → 存入向量数据库
+
+在线问答：
+  用户提问 → Embedding → 向量检索（Top-K）→ 拼接 Prompt → LLM 生成 → 返回
+```
+
+### 关键技术细节
+
+**分块策略（Chunking）**
+| 策略 | 适用 | 优缺点 |
+|------|------|--------|
+| 固定长度 | 通用场景 | 简单但可能切断语义 |
+| 语义分块 | 长文档 | 按段落/章节切分，语义完整 |
+| 滑动窗口 | 需要上下文 | 相邻块有重叠，避免信息断裂 |
+
+**Embedding 模型选择**
+- 中文：bge-large-zh、text2vec-large-chinese、m3e
+- 多语言：text-embedding-3-large（OpenAI）、bge-m3
+
+**检索优化**
+| 技术 | 说明 |
+|------|------|
+| 混合检索 | 语义检索（向量）+ 关键词检索（BM25）加权融合 |
+| Rerank | 粗召回后用精排模型重排序，提升 Top-N 精度 |
+| 元数据过滤 | 按时间/分类/权限等结构化字段预过滤 |
+
+### 面试要点
+- 画出 RAG 的架构流程图（离线入库 + 在线问答两条线）
+- 能解释 Embedding 的本质（将文本映射到高维向量空间，语义相近的文本向量距离近）
+- 准备一个踩坑经验：分块大小怎么定？检索不准怎么优化？
+
+---
+
+## 6. AI Coding
+
+### 主流工具原理
+| 工具 | 底层原理 | 特点 |
+|------|----------|------|
+| **Claude Code** | Claude 模型 + 工具调用（文件读写/Shell/搜索），Agent 模式自主执行 | 复杂任务拆解，长期上下文 |
+| **GitHub Copilot** | Codex 模型，实时上下文（当前文件+相邻Tab+项目结构）补全 | IDE 深度集成，毫秒级响应 |
+| **Cursor** | 多模型支持，全文件上下文编辑，Composer 模式 | 重构友好，Diff 预览 |
+| **Aider** | CLI 工具，Git 集成，Map-Reduce 处理大代码库 | 终端场景，可脚本化 |
+
+### AI Coding 的工作模式
+1. **补全模式**：根据光标上下文，实时续写代码（Copilot 类）
+2. **对话模式**：自然语言描述需求 → AI 生成/修改代码（Cursor/Claude Code）
+3. **Agent 模式**：AI 自主规划 → 读写文件 → 执行命令 → 检查结果 → 迭代修复（Claude Code）
+
+### 工程化实践
+- **小步提交**：每次 AI 修改控制在 200 行 diff 以内，便于 Review 和回滚
+- **测试驱动**：先让 AI 写测试，再让 AI 写实现，"测试是 AI 的 spec"
+- **代码审查**：AI 生成代码必须人工 Review，关注边界条件和安全问题
+- **Prompt 工程**：清晰的上下文（项目结构 + 技术栈 + 编码规范）大幅提升 AI 输出质量
+
+### 面试要点
+- 能对比主要工具（Copilot vs Cursor vs Claude Code）的差异和选型理由
+- 能用实际案例说明效率提升（如：原本 3 天的 CRUD 模块，AI 辅助 4 小时完成）
+- 对 AI 代码的局限性有清醒认识（复杂业务逻辑、安全敏感代码需人工把关）
+
+---
+
+## 7. AI 视觉（YOLO）
+
+### YOLO 核心思想
+- **You Only Look Once**：将目标检测转化为回归问题
+- 输入图片 → 单次 CNN 前向传播 → 同时输出边界框 + 类别概率
+- 相比 R-CNN 系列的两阶段方法（先提候选区 → 再分类），YOLO 更快，适合实时场景
+
+### 演进路线
+| 版本 | 关键改进 | 年份 |
+|------|----------|------|
+| YOLOv5 | 工程化最成熟，社区生态好 | 2020 |
+| YOLOv8 | 无锚框检测，多任务（检测/分割/姿态）统一框架 | 2023 |
+| YOLOv10 | NMS-Free，端到端，效率进一步提升 | 2024 |
+
+### 训练部署流程
+```
+数据采集 → 标注（LabelImg/LabelStudio）→ 数据集划分（训练/验证/测试）
+    → 数据增强（翻转/旋转/色彩抖动/Mosaic）
+    → 模型训练（预训练权重微调）
+    → 模型转换（ONNX/TensorRT）
+    → 边缘/服务端部署
+```
+
+### 面试要点
+- 能解释 YOLO 为什么快（单阶段，一次前向传播出所有结果）
+- 能说清楚 mAP@0.5 是什么（IoU 阈值 0.5 时的平均精度）
+- 准备一个实际场景（如：安全帽检测的完整 Pipeline——RTSP 取流 → 抽帧 → YOLO 推理 → 告警推送）
+
+---
+
+## 面试速查：一句话总结每个方向
+
+| 方向 | 一句话 |
+|------|--------|
+| LLM | Transformer + 三阶段训练，Self-Attention 是核心 |
+| Prompt | 通过输入设计引导模型行为，CoT 通过中间推理提升准确率 |
+| Agent | LLM + 规划 + 工具调用 + 循环决策 = 自主完成任务 |
+| Skills 编排 | 业务能力模块化，LLM 动态路由，自动编排执行 |
+| RAG | 检索外部知识增强 LLM，解决幻觉和知识截止问题 |
+| AI Coding | AI 辅助代码生成/审查/测试，Agent 模式实现自主开发 |
+| YOLO | 单阶段目标检测，一次前向传播出检测框+类别，实时性好 |
@@ -355,6 +355,7 @@
 <body>

 <header class="header">
+    <a href="../../index.html" class="back-link">← 返回知识库</a>
    <h1>Claude Code 工程师使用指南</h1>
    <span class="version">v2.1 · 2026-04-29</span>
 </header>
@@ -450,6 +450,7 @@ a { color: var(--color-primary); }

 <!-- Header -->
 <header class="header">
+  <a href="../index.html" class="back-link" style="color:var(--color-primary);text-decoration:none;font-size:12px;margin-right:16px;">← 返回知识库</a>
  <h1>Graphify-rs 深度分析报告</h1>
  <div class="badges">
    <span class="badge hot">22K+ Stars</span>
@@ -350,6 +350,7 @@
 <body>

 <header class="header">
+    <a href="../../index.html" class="back-link">← 返回知识库</a>
    <h1>MySQL 转 PostgreSQL 迁移工具对比</h1>
 </header>

@@ -57,6 +57,7 @@
 </style>
 </head>
 <body>
+<a href="../index.html" style="position:fixed;top:12px;left:16px;z-index:1000;color:#fff;text-decoration:none;font-size:13px;background:rgba(0,0,0,0.5);padding:6px 14px;border-radius:4px;">← 返回知识库</a>
 <div class="reveal">
 <div class="slides">

@@ -323,6 +323,7 @@

 <!-- Hero -->
 <header class="hero">
+  <a href="../index.html" style="display:inline-block;margin-bottom:12px;color:var(--color-primary);text-decoration:none;font-size:13px;">← 返回知识库</a>
  <h1>YqBoot 企业级敏捷开发平台</h1>
  <p class="subtitle">一套平台 · 多种场景 · 快速交付 · 安全可控</p>
  <p class="meta">
@@ -500,6 +500,7 @@ code {
 <!-- ===== Header ===== -->
 <header class="header">
  <div class="header-inner">
+    <a href="./index.html" class="back-link" style="color:var(--text-secondary);text-decoration:none;font-size:12px;margin-right:16px;">← 返回知识库</a>
    <div class="header-title">CRMEB-MER 项目图谱报告</div>
    <div class="header-meta">graphify-rs · 2026-05-06 · JAVA-MER-2.2</div>
  </div>
@@ -254,6 +254,7 @@ tr:hover td { background: var(--bg-tertiary); }
 <body>

 <header class="header">
+    <a href="../../index.html" class="back-link">← 返回知识库</a>
  <h1>graphify-rs 使用手册</h1>
  <span class="version">v1.x</span>
 </header>
@@ -400,6 +400,7 @@ li { margin: 4px 0; color: var(--text-secondary); font-size: 0.92rem; }
 <body>

 <header class="header">
+  <a href="../index.html" class="back-link" style="color:var(--color-primary);text-decoration:none;font-size:12px;margin-right:16px;">← 返回知识库</a>
  <h1>MCP 服务大全 — 开发者指南</h1>
  <span class="version">2026-04 · 20+ 服务</span>
 </header>
@@ -119,6 +119,7 @@ body{
 <!-- HEADER -->
 <header class="header-bar">
  <div class="header-bar-inner">
+    <a href="./index.html" class="back-link" style="color:var(--text-secondary);text-decoration:none;font-size:12px;margin-right:12px;white-space:nowrap;">← 返回知识库</a>
    <button class="menu-btn" id="menuBtn" aria-label="菜单">
      <svg viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2"><line x1="3" y1="6" x2="21" y2="6"/><line x1="3" y1="12" x2="21" y2="12"/><line x1="3" y1="18" x2="21" y2="18"/></svg>
    </button>
@@ -359,6 +359,7 @@
 <div class="container">

 <!-- Header -->
+<a href="../../index.html" class="back-link" style="display:inline-block;margin-bottom:12px;color:var(--accent);text-decoration:none;font-size:13px;">← 返回知识库</a>
 <div class="report-header">
  <h1>中医馆内部管理系统 — 需求分析对比报告</h1>
  <div class="subtitle">基于现有需求文档，逐模块进行完整性、合理性和风险分析，每项建议注明理由</div>
@@ -236,6 +236,7 @@ body {

 <!-- Header -->
 <div class="header">
+    <a href="../../index.html" class="back-link">← 返回知识库</a>
  <h1>中医馆内部管理系统</h1>
  <div class="sub">需求分析对比报告 &middot; 2026/05/23</div>
 </div>
@@ -36,6 +36,7 @@ canvas:active { cursor: grabbing; }
 </style>
 </head>
 <body>
+<a href="../index.html" style="display:inline-block;margin:12px 16px 4px;color:#1677FF;text-decoration:none;font-size:13px;">← 返回知识库</a>
 <h2>正四面体旋转动画</h2>
 <p class="subtitle">鼠标拖拽旋转 · 铰链展开</p>
 <canvas id="canvas" width="500" height="500"></canvas>
@@ -407,6 +407,7 @@

 <!-- Header -->
 <header class="header">
+    <a href="../../index.html" class="back-link">← 返回知识库</a>
    <h1>代码结构分析工具对比分析</h1>
 </header>

@@ -228,6 +228,7 @@ code {

 <div class="header-bar">
  <div class="brand">
+    <a href="../../index.html" class="back-link">← 返回知识库</a>
    <h1>身份认证中心</h1>
    <span class="tagline">技术解析与开源项目匹配度分析报告</span>
  </div>
@@ -210,6 +210,7 @@ code {

 <div class="header-bar">
  <div class="brand">
+    <a href="../../index.html" class="back-link">← 返回知识库</a>
    <h1>开源 IAM 项目选型报告</h1>
    <span class="tagline">身份认证中心匹配度分析</span>
  </div>
@@ -204,6 +204,7 @@ code {

 <div class="header-bar">
  <div class="brand">
+    <a href="../../index.html" class="back-link">← 返回知识库</a>
    <h1>全域智能认证与门户平台</h1>
    <span class="tagline">需求分析报告</span>
  </div>
@@ -169,6 +169,7 @@ pre {

 <header class="header-bar">
  <div class="brand">
+    <a href="../../index.html" class="back-link">← 返回知识库</a>
    <h1>分销商城推广模式全景调研报告</h1>
    <span class="tagline">四大类 20+ 种模式 · 微三云特色模式 · 价格体系 · 合规框架 · 收益分析</span>
  </div>
@@ -259,6 +259,7 @@ code {

 <header class="header-bar">
  <div class="brand">
+    <a href="../../index.html" class="back-link">← 返回知识库</a>
    <h1>在线下单配送抢单小程序调研报告</h1>
    <span class="tagline">Top 5 开源项目横向对比分析</span>
  </div>
@@ -0,0 +1,411 @@
+<!DOCTYPE html>
+<html lang="zh-CN">
+<head>
+    <meta charset="UTF-8">
+    <meta name="viewport" content="width=device-width, initial-scale=1.0">
+    <title>AI转型：观点独白 + 口播稿 | 软件行业正在发生的变化</title>
+    <style>
+        :root {
+            --color-primary: #1677FF; --color-primary-hover: #4096FF; --color-primary-active: #0958D9; --color-primary-bg: #E6F4FF;
+            --color-success: #52C41A; --color-success-bg: #F6FFED; --color-success-border: #B7EB8F;
+            --color-warning: #FAAD14; --color-warning-bg: #FFFBE6; --color-warning-border: #FFE58F;
+            --color-error: #FF4D4F; --color-error-bg: #FFF2F0; --color-error-border: #FFCCC7;
+            --bg: #F5F5F5; --bg-container: #FFFFFF; --bg-elevated: #FAFAFA;
+            --border: #D9D9D9; --border-light: #F0F0F0;
+            --text-primary: #141414; --text-secondary: #595959; --text-tertiary: #8C8C8C;
+            --radius-sm: 6px; --radius-md: 8px; --radius-lg: 12px;
+            --shadow-sm: 0 1px 2px rgba(0,0,0,0.03), 0 1px 6px -1px rgba(0,0,0,0.02);
+            --shadow-md: 0 2px 4px rgba(0,0,0,0.04), 0 4px 12px -2px rgba(0,0,0,0.04);
+            --shadow-lg: 0 4px 8px rgba(0,0,0,0.06), 0 8px 24px -4px rgba(0,0,0,0.08);
+        }
+        *{margin:0;padding:0;box-sizing:border-box;}
+        body{font-family:-apple-system,BlinkMacSystemFont,'Segoe UI',Roboto,'PingFang SC','Hiragino Sans GB','Microsoft YaHei',sans-serif;background:var(--bg);color:var(--text-primary);line-height:1.57;font-size:14px;}
+        ::-webkit-scrollbar{width:6px;height:6px;}
+        ::-webkit-scrollbar-track{background:transparent;}
+        ::-webkit-scrollbar-thumb{background:var(--border);border-radius:3px;}
+
+        .header{position:fixed;top:0;left:0;right:0;height:64px;background:rgba(255,255,255,0.88);backdrop-filter:blur(12px);border-bottom:1px solid var(--border-light);display:flex;align-items:center;padding:0 2rem;z-index:100;}
+        .header h1{font-size:18px;font-weight:700;background:linear-gradient(135deg,var(--color-primary),#722ED1);-webkit-background-clip:text;background-clip:text;-webkit-text-fill-color:transparent;color:transparent;}
+        .header .back-link{margin-right:16px;font-size:13px;color:var(--color-primary);text-decoration:none;flex-shrink:0;}
+        .header .back-link:hover{text-decoration:underline;}
+
+        .main{max-width:900px;margin:0 auto;padding:96px 32px 64px;}
+        section{margin:48px 0;scroll-margin-top:80px;}
+        section h2{font-size:24px;line-height:32px;padding-bottom:8px;border-bottom:1px solid var(--border);margin-bottom:20px;color:var(--color-primary);}
+        section h3{font-size:20px;line-height:28px;margin:24px 0 12px;color:#722ED1;}
+        p{color:var(--text-secondary);font-size:14px;margin:10px 0;text-align:justify;}
+        strong{color:var(--text-primary);}
+
+        /* ===== 演讲稿样式 ===== */
+        .speech-meta{display:flex;flex-wrap:wrap;gap:12px;margin:16px 0 24px;}
+        .speech-meta .meta-tag{display:inline-flex;align-items:center;gap:6px;padding:6px 14px;border-radius:20px;font-size:12px;font-weight:600;}
+        .meta-tag.duration{background:var(--color-primary-bg);color:var(--color-primary);border:1px solid #91CAFF;}
+        .meta-tag.audience{background:#F9F0FF;color:#722ED1;border:1px solid #D3ADF7;}
+        .meta-tag.occasion{background:var(--color-success-bg);color:var(--color-success);border:1px solid var(--color-success-border);}
+
+        .script-block{margin:16px 0;padding:16px 20px;background:var(--bg-container);border-radius:var(--radius-md);border-left:4px solid var(--color-primary);box-shadow:var(--shadow-sm);}
+        .script-block.stage-direction{background:var(--bg-elevated);border-left-color:var(--border);font-style:italic;color:var(--text-tertiary);}
+        .script-block.hook{border-left-color:var(--color-error);background:var(--color-error-bg);}
+        .script-block.closing{border-left-color:#722ED1;background:#F9F0FF;}
+        .script-block .block-label{font-size:11px;font-weight:700;text-transform:uppercase;letter-spacing:.08em;margin-bottom:8px;color:var(--text-tertiary);}
+        .script-block .line{display:block;margin:6px 0;color:var(--text-primary);font-size:15px;line-height:1.8;}
+        .script-block .line.em{font-weight:700;font-size:16px;color:var(--text-primary);}
+        .script-block .line.sub{color:var(--text-tertiary);font-size:13px;}
+        .script-block .pause{display:inline-block;margin:0 4px;color:var(--text-tertiary);font-size:12px;}
+
+        /* ===== 口播稿样式 ===== */
+        .oral-meta{display:flex;flex-wrap:wrap;gap:8px;margin:12px 0 24px;}
+        .oral-script{background:var(--bg-container);border-radius:var(--radius-lg);padding:24px 28px;box-shadow:var(--shadow-md);}
+        .oral-script .beat{display:flex;gap:12px;margin:12px 0;padding:10px 0;border-bottom:1px dashed var(--border-light);align-items:flex-start;}
+        .oral-script .beat:last-child{border-bottom:none;}
+        .oral-script .beat-num{flex-shrink:0;width:28px;height:28px;border-radius:50%;background:var(--color-primary);color:#fff;font-size:12px;font-weight:700;display:flex;align-items:center;justify-content:center;}
+        .oral-script .beat-num.hook-beat{background:var(--color-error);}
+        .oral-script .beat-time{flex-shrink:0;font-size:11px;color:var(--text-tertiary);font-family:'SF Mono',Monaco,monospace;min-width:52px;padding-top:4px;}
+        .oral-script .beat-content{flex:1;}
+        .oral-script .beat-content .say{font-size:15px;color:var(--text-primary);line-height:1.7;}
+        .oral-script .beat-content .say.loud{font-weight:700;font-size:16px;}
+        .oral-script .beat-content .visual{font-size:12px;color:var(--text-tertiary);margin-top:4px;font-style:italic;}
+        .oral-script .beat-content .visual::before{content:'🎬 ';font-style:normal;}
+
+        /* 论点卡片 */
+        .chain-cards{display:flex;flex-wrap:wrap;gap:10px;margin:20px 0;}
+        .chain-card{flex:1;min-width:130px;background:var(--bg-container);border-radius:var(--radius-md);padding:14px;border:1px solid var(--border-light);text-align:center;box-shadow:var(--shadow-sm);}
+        .chain-card .num{font-size:28px;font-weight:800;margin-bottom:4px;}
+        .chain-card:nth-child(1) .num{color:var(--color-error);}
+        .chain-card:nth-child(2) .num{color:#FA8C16;}
+        .chain-card:nth-child(3) .num{color:var(--color-warning);}
+        .chain-card:nth-child(4) .num{color:var(--color-success);}
+        .chain-card:nth-child(5) .num{color:var(--color-primary);}
+        .chain-card:nth-child(6) .num{color:#722ED1;}
+        .chain-card .label{font-size:12px;font-weight:700;color:var(--text-primary);}
+        .chain-card .sub{font-size:11px;color:var(--text-tertiary);margin-top:2px;}
+
+        blockquote{background:var(--color-primary-bg);border-left:4px solid var(--color-primary);margin:16px 0;padding:12px 20px;border-radius:0 var(--radius-sm) var(--radius-sm) 0;}
+        blockquote p{text-indent:0;color:var(--text-primary);font-size:14px;}
+
+        .golden-line{background:linear-gradient(135deg,#FFF7E6,#FFF1B8);border:2px solid #FFD666;border-radius:var(--radius-md);padding:18px 24px;margin:20px 0;text-align:center;}
+        .golden-line p{font-size:18px;font-weight:800;color:#AD6800;text-indent:0;text-align:center;line-height:1.6;}
+
+        .footer{text-align:center;padding:28px 0;color:var(--text-tertiary);font-size:13px;border-top:1px solid var(--border-light);margin-top:40px;}
+
+        @media(max-width:768px){
+            .main{padding:80px 16px 40px;}
+            .chain-card{min-width:100px;}
+            .oral-script{padding:16px;}
+        }
+    </style>
+</head>
+<body>
+
+<div class="header">
+    <a href="../../index.html" class="back-link">← 返回索引</a>
+    <h1>AI转型 · 观点独白 + 口播稿</h1>
+</div>
+
+<div class="main">
+
+<!-- ==================== 论点总览 ==================== -->
+<section>
+    <h2>📐 六环递进</h2>
+    <p>一环推出一环，最终指向商业闭环。</p>
+    <div class="chain-cards">
+        <div class="chain-card">
+            <div class="num">①</div>
+            <div class="label">窗口期紧迫</div>
+            <div class="sub">客户预期已变<br>采购季是deadline</div>
+        </div>
+        <div class="chain-card">
+            <div class="num">②</div>
+            <div class="label">岗位边界消失</div>
+            <div class="sub">前端=后端=移动端<br>全栈已是默认配置</div>
+        </div>
+        <div class="chain-card">
+            <div class="num">③</div>
+            <div class="label">管理层崩塌</div>
+            <div class="sub">邓巴数被AI打破<br>中层不再是常设岗</div>
+        </div>
+        <div class="chain-card">
+            <div class="num">④</div>
+            <div class="label">老板用AI"看见"</div>
+            <div class="sub">亲自用AI读产出<br>不再被中层过滤</div>
+        </div>
+        <div class="chain-card">
+            <div class="num">⑤</div>
+            <div class="label">精准激励</div>
+            <div class="sub">奖金跟产出走<br>不是跟办公室政治走</div>
+        </div>
+        <div class="chain-card">
+            <div class="num">⑥</div>
+            <div class="label">商业闭环</div>
+            <div class="sub">成本→报价<br>交付→投标→续约</div>
+        </div>
+    </div>
+</section>
+
+<!-- ==================== 观点独白 ==================== -->
+<section>
+    <h2>🎤 观点独白</h2>
+    <div class="speech-meta">
+        <span class="meta-tag duration">⏱ 约 12–15 分钟</span>
+    </div>
+
+    <p><strong>标题：</strong>我看到软件行业正在发生的六个变化</p>
+    <p>不是演讲，不是说教，就是把我最近观察到的事情说清楚。先讲一个正在发生的例子，再说为什么这意味着什么。</p>
+
+    <!-- 引子：亲身案例 -->
+    <h3>▍ 先讲一个正在发生的项目</h3>
+
+    <div class="script-block hook">
+        <span class="line em">我最近跟的一个政务项目，整个过程中，AI深度参与。</span>
+    </div>
+
+    <div class="script-block">
+        <span class="line">出方案阶段，AI辅助调研、分析、出框架。原型演示阶段，AI辅助出界面、出交互、出文档。</span>
+        <span class="line">结果呢？<strong>客户满意度非常高，远远超出预期。</strong></span>
+        <span class="line">我实话实说，这个项目最后能不能拿下来，我不知道。但我知道一件事——客户的预期已经被拉到这个高度了。</span>
+        <span class="line em">将来不管谁来做这个项目，如果不能用好AI，根本接不住。</span>
+        <span class="line">以前做项目按周做计划，现在按天交付。客户被喂过一次"三天出全套原型加接口文档"，他就回不去了。他的预期被永久性地拉高了。</span>
+        <span class="line">这就是窗口期。不是技术窗口，是客户预期窗口。下个采购季来的时候，还没跟上节奏的，连投标资格都没有。</span>
+        <span class="line">而且不光是政务。企业客户也是一样的。今年，不管是哪个行业，客户都会陆续感受到AI对项目交付的冲击——又快又好。然后他们的预期就会上去，下不来。</span>
+    </div>
+
+    <!-- 变化一 -->
+    <h3>▍ 变化一：岗位边界消失了</h3>
+
+    <div class="script-block hook">
+        <span class="line">前端、后端、移动端——现在是同一个岗位。</span>
+    </div>
+
+    <div class="script-block">
+        <span class="line">以前说"全栈"是一个高级标签，要加粗写在简历上的。现在呢？默认配置。</span>
+        <span class="line">一个开发者加Cursor加Claude，前端后端移动端测试运维全干了。一个人就是一支团队，不是比喻，每天都在发生。</span>
+        <span class="line">但打开招聘网站，还在分三个岗位招人。HR不知道这个变化，老板也不知道。还在看"3年Vue经验"、"5年Java经验"——按技术栈分组已经没意义了。</span>
+    </div>
+
+    <!-- 变化二 -->
+    <h3>▍ 变化二：管理层崩塌</h3>
+
+    <div class="script-block hook">
+        <span class="line">岗位合并之后，下一个就是管理层。小组长、研发经理、项目经理，不需要设为常设岗位了。</span>
+    </div>
+
+    <div class="script-block">
+        <span class="line">管理学有个铁律：一个人最多有效管理7个人。大公司必须分层——组长、经理、总监。组织架构的数学基础就是这个"管理幅度"。</span>
+        <span class="line">但AI打破了这个约束。AI能同时追踪所有人的工作进度、分配任务、评价质量。没有信息衰减，不用靠"跟谁吃饭多"来判断。</span>
+        <span class="line">那就简单了。按项目临时组队，谁在那个阶段最懂，谁就是当时的负责人。项目结束，角色消散。</span>
+        <span class="line">这叫<strong>流式组织</strong>——结构随项目流动，不是固定的层级。传统的"组织架构图"可以扔了。</span>
+    </div>
+
+    <!-- 变化三 -->
+    <h3>▍ 变化三：客户预期已经不可逆</h3>
+
+    <div class="script-block hook">
+        <span class="line">今年不管是企业客户还是政务客户，已经在体验AI项目的交付速度了。按天交付，不是按周。</span>
+    </div>
+
+    <div class="script-block">
+        <span class="line">客户一旦被"三天出全套原型+接口文档"喂过一次，就回不去了。他的预期永久拉高。</span>
+        <span class="line">下个采购季，标书里"项目周期"那一栏：一家写60天，一家写15天。评标专家怎么打分？不给你犹豫的时间。</span>
+        <span class="line">窗口期就一个采购季的长度。这是客户预期窗口，不是技术窗口。</span>
+    </div>
+
+    <!-- 变化四 -->
+    <h3>▍ 变化四：老板必须亲自用AI</h3>
+
+    <div class="script-block hook">
+        <span class="line">AI转型不是把工具下发给程序员就完了。老板得亲自用。用它来"看见"。</span>
+    </div>
+
+    <div class="script-block">
+        <span class="line">以前你怎么知道谁在干活？中层告诉你。中层怎么知道的？靠感觉。感觉靠什么？靠谁跟他吃饭多、谁PPT做得好。</span>
+        <span class="line">AI直接把数据摆在你面前。这个Sprint谁的代码产出最稳定，谁的bug最少，谁的review有深度，谁在关键时刻解决了别人搞不定的问题。</span>
+        <span class="line">中层以前是一个信息漏斗。AI把这个漏斗砸了。老板可以直接看到真相。</span>
+        <span class="line">这不是监控员工。这是让优秀的人被看见。以前被看见要靠向上管理，现在不用了。代码不会说谎。</span>
+    </div>
+
+    <!-- 变化五 -->
+    <h3>▍ 变化五：奖金可以发给正确的人了</h3>
+
+    <div class="script-block hook">
+        <span class="line">看见之后就是发钱。大多数公司变烂，不是没人才，是人才的付出和回报不对等。</span>
+    </div>
+
+    <div class="script-block">
+        <span class="line">以前奖金靠办公室政治分配——要平衡、要论资排辈、要照顾中层感受。你越过中层奖励一个开发者，中层怎么想？因为这个，很多老板知道该给谁钱，但不敢。</span>
+        <span class="line">中层没了、岗位没了、只有项目组。AI追踪的产出数据摆在那，谁做了什么一清二楚。奖金直接跟产出走。</span>
+        <span class="line">代码不会拍马屁，不会做PPT，不会请你吃饭。它就躺在那，AI读得出来谁是好开发者。</span>
+    </div>
+
+    <!-- 变化六 -->
+    <h3>▍ 变化六：必须落到商业结果上</h3>
+
+    <div class="script-block hook">
+        <span class="line">前面的东西最后落到三个地方：投标文件、报价单、客户满意度。</span>
+    </div>
+
+    <div class="script-block">
+        <span class="line">研发成本降了。一个人干五个人的活，以前配5个人，现在2个人加AI。成本降了，报价就有竞争力。同样功能同样质量，便宜30%，利润还更高。</span>
+        <span class="line">交付快了。按天交付不是口号，是真的能做到。标书里你写15天别人写60天——这不是价格战，是代际碾压。</span>
+        <span class="line">客户满意了。交付快、质量好、响应及时。客户不傻，续约率和口碑就是最终计分板。</span>
+    </div>
+
+    <!-- 收尾 -->
+    <h3>▍ 收尾</h3>
+
+    <div class="script-block closing">
+        <span class="line em">六个变化串起来就是一句话：AI让我们有机会把公司重新建一遍——更小、更快、更公平。</span>
+        <span class="line">岗位边界消失 → 管理层崩塌 → 客户预期不可逆 → 老板亲自用AI看见真相 → 奖金按产出分配 → 最终体现在报价、投标和续约上。</span>
+        <span class="line">窗口还没关上。但下个采购季，就是分水岭。</span>
+    </div>
+
+    <div class="golden-line">
+        <p>"以前按周做计划，现在按天交付。<br>以前一个人一个岗位，现在一个人就是一支团队。<br>以前中层过滤信息，现在AI让人被看见。<br>以前奖金靠政治，现在奖金靠数据。"</p>
+    </div>
+</section>
+
+<!-- ==================== 口播稿 ==================== -->
+<section>
+    <h2>📱 口播稿（短视频脚本）</h2>
+    <div class="oral-meta">
+        <span class="meta-tag duration">⏱ 约 80 秒</span>
+    </div>
+
+    <p><strong>视频标题建议：</strong></p>
+    <blockquote>
+        <p>① 前端、后端、移动端，现在是同一个岗位<br>
+        ② 软件公司的中层管理，正在消失<br>
+        ③ 下个采购季，没转型的软件公司会出局</p>
+    </blockquote>
+
+    <div class="oral-script">
+
+        <div class="beat">
+            <div class="beat-num hook-beat">1</div>
+            <div class="beat-time">0:00–0:10</div>
+            <div class="beat-content">
+                <div class="say loud">我最近跟一个政务项目，AI深度参与——出方案用AI，原型演示用AI。结果客户满意度远远超出预期。这个项目能不能拿下来我不知道，但客户的预期已经被拉到这个高度了。以后谁来做，用不好AI都接不住。</div>
+            </div>
+        </div>
+
+        <div class="beat">
+            <div class="beat-num">2</div>
+            <div class="beat-time">0:10–0:20</div>
+            <div class="beat-content">
+                <div class="say">前端、后端、移动端——现在是同一个岗位。一个开发者加AI等于一个完整团队。全栈以前是高级标签，现在默认配置。一个人干五个人的活，每天都在发生。</div>
+            </div>
+        </div>
+
+        <div class="beat">
+            <div class="beat-num">3</div>
+            <div class="beat-time">0:20–0:34</div>
+            <div class="beat-content">
+                <div class="say">岗位没了，管理层接着没。一个人最多管7个人的铁律被AI打破。AI能同时追踪所有人——分配工作、追进度、评价质量。组长、经理、项目经理不再是常设岗。按项目组队，结束就散。这叫流式组织。</div>
+            </div>
+        </div>
+
+        <div class="beat">
+            <div class="beat-num">4</div>
+            <div class="beat-time">0:34–0:50</div>
+            <div class="beat-content">
+                <div class="say">老板得亲自用AI。不是下发工具，是用AI来"看见"——谁在产出、谁是关键节点、谁在摸鱼。以前中层过滤这些信息，AI把漏斗砸了。代码不会说谎。</div>
+            </div>
+        </div>
+
+        <div class="beat">
+            <div class="beat-num">5</div>
+            <div class="beat-time">0:50–0:64</div>
+            <div class="beat-content">
+                <div class="say">看见之后就发钱。以前奖金靠办公室政治、PPT、吃饭。现在AI追踪产出——代码量、bug率、review深度。把钱发给干活的人。公司变烂不是因为缺人才，是回报不对等。</div>
+            </div>
+        </div>
+
+        <div class="beat">
+            <div class="beat-num">6</div>
+            <div class="beat-time">0:64–0:78</div>
+            <div class="beat-content">
+                <div class="say loud">最后落三个地方：投标文件、报价单、客户满意度。成本降了报价有竞争力，交付快了标书有说服力。客户被AI喂过之后预期回不去了。下个采购季，就是分水岭。</div>
+            </div>
+        </div>
+
+    </div>
+
+    <div style="margin-top:24px;padding:16px 20px;background:var(--bg-elevated);border-radius:var(--radius-md);border:1px solid var(--border);">
+        <h4 style="margin:0 0 8px;color:var(--text-primary);font-size:13px;">📋 拍摄备注</h4>
+        <ul style="margin:0 0 0 16px;font-size:13px;color:var(--text-secondary);">
+            <li><strong>风格：</strong>独白，自己对着镜头说话。不是质问观众，是在分享一个观察。语气笃定、直接、不绕弯。</li>
+            <li><strong>语速：</strong>偏快，每分钟约300字。全稿约350字，控制在75秒左右。</li>
+            <li><strong>情绪线：</strong>开头一句话扔出来（0–7s）→ 连续输出事实（7–48s）→ 收束到商业结果（48–75s）。</li>
+            <li><strong>可拆条：</strong>Beat 1-3可独立成一条（"岗位和管理一起消失"）；Beat 4-5可独立成一条（"老板用AI看见+发钱"）。</li>
+        </ul>
+    </div>
+
+</section>
+
+<!-- ==================== 附录 ==================== -->
+<section>
+    <h2>📋 附：论点速查表</h2>
+    <div class="table-wrap">
+        <table>
+            <thead>
+                <tr>
+                    <th>#</th>
+                    <th>论点</th>
+                    <th>演讲时长</th>
+                    <th>口播节拍</th>
+                    <th>一句话版本</th>
+                </tr>
+            </thead>
+            <tbody>
+                <tr>
+                    <td>①</td>
+                    <td><strong>窗口期紧迫</strong></td>
+                    <td>2 min</td>
+                    <td>Beat 6–7</td>
+                    <td>客户预期一旦上去就回不来，下个采购季就是分水岭。</td>
+                </tr>
+                <tr>
+                    <td>②</td>
+                    <td><strong>岗位边界消失</strong></td>
+                    <td>2 min</td>
+                    <td>Beat 1–2</td>
+                    <td>前端、后端、移动端——在AI时代是同一个岗位。</td>
+                </tr>
+                <tr>
+                    <td>③</td>
+                    <td><strong>管理层崩塌</strong></td>
+                    <td>3 min</td>
+                    <td>Beat 3</td>
+                    <td>AI打破了"一个人最多管7个人"的铁律，中层不再需要常设。</td>
+                </tr>
+                <tr>
+                    <td>④</td>
+                    <td><strong>老板用AI"看见"</strong></td>
+                    <td>3 min</td>
+                    <td>Beat 4</td>
+                    <td>老板必须亲自用AI，不是下发给员工，是用它来看到真相。</td>
+                </tr>
+                <tr>
+                    <td>⑤</td>
+                    <td><strong>精准激励</strong></td>
+                    <td>3 min</td>
+                    <td>Beat 5</td>
+                    <td>代码不会说谎，奖金跟产出走，不跟办公室政治走。</td>
+                </tr>
+                <tr>
+                    <td>⑥</td>
+                    <td><strong>商业闭环</strong></td>
+                    <td>3 min</td>
+                    <td>Beat 6</td>
+                    <td>成本降→报价有竞争力；交付快→投标有说服力；满意度高→续约。</td>
+                </tr>
+            </tbody>
+        </table>
+    </div>
+</section>
+
+<p class="footer">抖音话题 · 观点独白与口播稿 · 2026.06</p>
+
+</div>
+
+</body>
+</html>
@@ -132,6 +132,8 @@
 </head>
 <body>

+<a href="../index.html" style="display:block;padding:8px 24px;color:#1677FF;text-decoration:none;font-size:13px;background:#fff;border-bottom:1px solid #e5e7eb;">← 返回知识库</a>
+
 <!-- Hero -->
 <section class="hero">
  <h1>政府审批流解决方案</h1>
@@ -0,0 +1,189 @@
+---
+name: spring-ai-alibaba-deployment-config
+description: Spring AI Alibaba 全功能平台部署配置清单 — 账号密码、端口、地址
+metadata:
+  type: project
+---
+
+# Spring AI Alibaba 全功能平台 — 配置清单
+
+> 部署时间：2026-06-05
+> 环境：WSL2 Debian 13 · 本地内网
+> **WSL2 IP：172.18.79.129**
+> 关联文档：[[spring-ai-alibaba-deployment-guide]]
+
+---
+
+## 一、服务端口与地址
+
+### 中间件
+
+| 服务 | 端口 | 用途 | 本地访问 | 内网访问 |
+|------|------|------|----------|----------|
+| **PostgreSQL 16** | `5432` | Agent 状态 + 数据集 + 向量检索 | `localhost:5432` | `172.18.79.129:5432` |
+| **Nacos** | `8848` | 控制台 + HTTP API | `http://localhost:8848/nacos` | `http://172.18.79.129:8848/nacos` |
+| **Nacos gRPC** | `9848` | MCP 服务注册发现（gRPC） | `localhost:9848` | — |
+| **MinIO API** | `9000` | S3 对象存储 API | `http://localhost:9000` | — |
+| **MinIO Console** | `9001` | MinIO Web 管理界面 | `http://localhost:9001` | `http://172.18.79.129:9001` |
+
+### 应用
+
+| 服务 | 端口 | 用途 | 地址 |
+|------|------|------|------|
+| **Agent Platform** | `8080` | Spring AI Alibaba 主应用 | `http://localhost:8080` |
+| **Admin Studio** | `8080/chatui` | 可视化编排 + 评测 + 监控 | `http://localhost:8080/chatui` |
+| **Actuator Health** | `8080/actuator/health` | 健康检查 | `http://localhost:8080/actuator/health` |
+| **Actuator Metrics** | `8080/actuator/metrics` | 指标采集 | `http://localhost:8080/actuator/metrics` |
+
+### 外网模型 API
+
+| 服务 | 地址 | 说明 |
+|------|------|------|
+| **DashScope（百炼）** | `https://dashscope.aliyuncs.com` | 通义千问 LLM，外网调用 |
+| **DashScope 控制台** | `https://dashscope.console.aliyun.com/` | API Key 管理 |
+
+---
+
+## 二、账号密码（开发环境）
+
+### 中间件凭证
+
+| 服务 | 用户名 | 密码 | 数据库/命名空间 |
+|------|--------|------|----------------|
+| **PostgreSQL** | `sa_agent` | `agent_2026` | `spring_ai_agent` |
+| **Nacos** | `nacos`（v2.5.1 默认无鉴权） | `nacos` | — |
+| **MinIO** | `minioadmin` | `minioadmin` | — |
+
+### Nacos 命名空间
+
+| 命名空间 ID | 名称 | 用途 |
+|-------------|------|------|
+| `sa-agent-mcp` | MCP 注册发现 | MCP Server/Client 服务注册 |
+| `sa-agent-config` | 动态配置 | Prompt 模板 + 模型参数热更新 |
+| `sa-agent-a2a` | A2A 通信 | 多 Agent 跨服务通信（可选） |
+
+### MinIO Bucket
+
+| Bucket | 用途 |
+|--------|------|
+| `sa-agent-memory` | Agent 记忆文件（MEMORY.md / 快照 / 知识图谱） |
+| `sa-agent-datasets` | 评测数据集存储 |
+| `sa-agent-skills` | 自定义 Skill 文件存储 |
+
+### 外网 API Key
+
+| 服务 | 环境变量 | 获取地址 |
+|------|----------|----------|
+| **DashScope** | `DASHSCOPE_API_KEY` | https://dashscope.console.aliyun.com/ |
+| **Jina AI**（可选） | `JINA_API_KEY` | https://jina.ai/ |
+
+### systemd 服务
+
+| 服务名 | 用途 |
+|--------|------|
+| `agent-platform` | Spring AI Alibaba 应用自启动 |
+| `docker` | Docker daemon |
+
+---
+
+## 三、文件路径
+
+```
+/mnt/d/wiki/智能体平台调研/
+├── 代码/
+│   ├── docker-compose.yml        # 中间件 Docker 编排（Nacos + PG + MinIO）
+│   ├── start.sh                  # 一键启动脚本
+│   ├── health-check.sh           # 健康检查脚本
+│   └── agent-platform/           # Spring Boot 应用源码
+│       ├── pom.xml               # Maven 依赖（全功能）
+│       ├── .env                  # 环境变量模板
+│       ├── .mvn/settings.xml     # Maven 仓库配置
+│       └── src/main/
+│           ├── resources/
+│           │   └── application.yml   # 全功能配置
+│           └── java/com/demo/agent/
+│               └── AgentPlatformApplication.java
+├── 报告/
+│   ├── ai-agent-platform-comparison.html        # 平台调研报告
+│   └── spring-ai-alibaba-deployment-guide.html  # 部署指南
+└── CONFIG.md                    # ← 本文件
+```
+
+### Docker 数据卷
+
+| 卷名 | 宿主机路径（默认） | 内容 |
+|------|-------------------|------|
+| `sa_pg_data` | Docker volumes | PostgreSQL 数据文件 |
+| `sa_nacos_data` | Docker volumes | Nacos 数据 |
+| `sa_minio_data` | Docker volumes | MinIO 对象数据 |
+
+---
+
+## 四、Docker 容器
+
+| 容器名 | 镜像 | 自启动 |
+|--------|------|--------|
+| `sa-pg` | `pgvector/pgvector:pg16` | `restart: unless-stopped` |
+| `sa-nacos` | `nacos/nacos-server:v2.5.1` | `restart: unless-stopped` |
+| `sa-minio` | `minio/minio:latest` | `restart: unless-stopped` |
+| `sa-minio-init` | `minio/mc:latest` | 一次性（初始化 Bucket 后退出） |
+
+---
+
+## 五、快速操作命令
+
+### 启动
+
+```bash
+# 1. 启动中间件（Docker Compose）
+cd /mnt/d/wiki/智能体平台调研/代码
+docker compose up -d
+
+# 2. 加载环境变量
+source agent-platform/.env   # 记得先填写 DASHSCOPE_API_KEY
+
+# 3. 构建并启动应用
+cd agent-platform
+mvn spring-boot:run
+
+# 或构建 jar 后运行
+mvn clean package -DskipTests
+java -jar target/agent-platform-1.0.0.jar
+```
+
+### 停止
+
+```bash
+# 停止应用：Ctrl+C 或
+sudo systemctl stop agent-platform
+
+# 停止中间件
+cd /mnt/d/wiki/智能体平台调研/代码
+docker compose down
+```
+
+### 常用运维
+
+```bash
+# 查看中间件日志
+docker compose -f /mnt/d/wiki/智能体平台调研/代码/docker-compose.yml logs -f nacos
+
+# 查看应用日志
+tail -f /mnt/d/wiki/智能体平台调研/代码/agent-platform/logs/agent-platform.log
+
+# 健康检查
+bash /mnt/d/wiki/智能体平台调研/代码/health-check.sh
+
+# 数据备份
+pg_dump -h localhost -U sa_agent spring_ai_agent > backup_$(date +%Y%m%d).sql
+```
+
+---
+
+## 六、安全提醒
+
+1. **所有密码为开发环境默认值**，生产内网部署后应立即修改
+2. **Nacos 不要暴露到公网**（默认鉴权较简单），当前纯内网使用可接受
+3. **DashScope API Key** 不要提交到 git，已通过 `.gitignore` 排除 `.env`
+4. **Nacos Auth Token**（`SecretKey0123...`）是 Nacos 鉴权密钥，生产环境必须更换为 32 位以上随机字符串
+5. PostgreSQL 远程访问（`pg_hba.conf`）已配置 `0.0.0.0/0 md5`，仅限内网使用
@@ -0,0 +1,14 @@
+# Spring AI Alibaba 环境变量
+# 放置在 agent-platform/ 目录下，或 source 到 shell
+
+# ===== 必选 =====
+# 阿里云百炼 API Key — 获取: https://dashscope.console.aliyun.com/
+export DASHSCOPE_API_KEY=sk-your-dashscope-api-key-here
+
+# ===== Nacos 命名空间（与 docker-compose 中初始化的一致）=====
+export NACOS_CONFIG_NAMESPACE=sa-agent-config
+export NACOS_MCP_NAMESPACE=sa-agent-mcp
+
+# ===== 可选 =====
+# Jina AI Key（深度搜索功能）
+# export JINA_API_KEY=jina-your-key-here
@@ -0,0 +1,31 @@
+<settings xmlns="http://maven.apache.org/SETTINGS/1.2.0"
+          xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
+          xsi:schemaLocation="http://maven.apache.org/SETTINGS/1.2.0 https://maven.apache.org/xsd/settings-1.2.0.xsd">
+
+    <!-- Maven 配置 — 放在 ~/.m2/settings.xml 或项目根目录 -->
+    <profiles>
+        <profile>
+            <id>spring-milestones</id>
+            <repositories>
+                <repository>
+                    <id>spring-milestones</id>
+                    <name>Spring Milestones</name>
+                    <url>https://repo.spring.io/milestone</url>
+                    <snapshots><enabled>false</enabled></snapshots>
+                </repository>
+            </repositories>
+            <pluginRepositories>
+                <pluginRepository>
+                    <id>spring-milestones</id>
+                    <name>Spring Milestones</name>
+                    <url>https://repo.spring.io/milestone</url>
+                    <snapshots><enabled>false</enabled></snapshots>
+                </pluginRepository>
+            </pluginRepositories>
+        </profile>
+    </profiles>
+
+    <activeProfiles>
+        <activeProfile>spring-milestones</activeProfile>
+    </activeProfiles>
+</settings>
@@ -0,0 +1,148 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project xmlns="http://maven.apache.org/POM/4.0.0"
+         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
+         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
+    <modelVersion>4.0.0</modelVersion>
+
+    <parent>
+        <groupId>org.springframework.boot</groupId>
+        <artifactId>spring-boot-starter-parent</artifactId>
+        <version>3.5.8</version>
+        <relativePath/>
+    </parent>
+
+    <groupId>com.demo</groupId>
+    <artifactId>agent-platform</artifactId>
+    <version>1.0.0</version>
+    <name>AgentPlatform</name>
+    <description>Spring AI Alibaba 全功能智能体平台 v1.1.2.2</description>
+
+    <properties>
+        <java.version>21</java.version>
+        <spring-ai.version>1.1.2</spring-ai.version>
+        <spring-ai-alibaba.version>1.1.2.2</spring-ai-alibaba.version>
+        <spring-cloud-aws.version>3.3.0</spring-cloud-aws.version>
+    </properties>
+
+    <dependencyManagement>
+        <dependencies>
+            <dependency>
+                <groupId>org.springframework.ai</groupId>
+                <artifactId>spring-ai-bom</artifactId>
+                <version>${spring-ai.version}</version>
+                <type>pom</type>
+                <scope>import</scope>
+            </dependency>
+            <dependency>
+                <groupId>com.alibaba.cloud.ai</groupId>
+                <artifactId>spring-ai-alibaba-bom</artifactId>
+                <version>${spring-ai-alibaba.version}</version>
+                <type>pom</type>
+                <scope>import</scope>
+            </dependency>
+            <dependency>
+                <groupId>io.awspring.cloud</groupId>
+                <artifactId>spring-cloud-aws-dependencies</artifactId>
+                <version>${spring-cloud-aws.version}</version>
+                <type>pom</type>
+                <scope>import</scope>
+            </dependency>
+        </dependencies>
+    </dependencyManagement>
+
+    <dependencies>
+        <!-- ===== 核心 AI（DashScope 百炼）===== -->
+        <dependency>
+            <groupId>com.alibaba.cloud.ai</groupId>
+            <artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
+            <version>${spring-ai-alibaba.version}</version>
+        </dependency>
+
+        <!-- ===== 多 Agent 框架 + Graph 引擎 ===== -->
+        <dependency>
+            <groupId>com.alibaba.cloud.ai</groupId>
+            <artifactId>spring-ai-alibaba-agent-framework</artifactId>
+            <version>${spring-ai-alibaba.version}</version>
+        </dependency>
+
+        <!-- ===== Admin Studio（可视化编排 + 评测界面）===== -->
+        <dependency>
+            <groupId>com.alibaba.cloud.ai</groupId>
+            <artifactId>spring-ai-alibaba-studio</artifactId>
+            <version>${spring-ai-alibaba.version}</version>
+        </dependency>
+
+        <!-- ===== Nacos 动态配置（Prompt 热更新）===== -->
+        <dependency>
+            <groupId>com.alibaba.cloud.ai</groupId>
+            <artifactId>spring-ai-alibaba-starter-config-nacos</artifactId>
+            <version>${spring-ai-alibaba.version}</version>
+        </dependency>
+
+        <!-- ===== Graph 可观测性 ===== -->
+        <dependency>
+            <groupId>com.alibaba.cloud.ai</groupId>
+            <artifactId>spring-ai-alibaba-starter-graph-observation</artifactId>
+            <version>${spring-ai-alibaba.version}</version>
+        </dependency>
+
+        <!-- ===== 数据库 ===== -->
+        <dependency>
+            <groupId>org.springframework.boot</groupId>
+            <artifactId>spring-boot-starter-jdbc</artifactId>
+        </dependency>
+        <dependency>
+            <groupId>org.postgresql</groupId>
+            <artifactId>postgresql</artifactId>
+            <scope>runtime</scope>
+        </dependency>
+
+        <!-- ===== 对象存储（MinIO / S3）===== -->
+        <dependency>
+            <groupId>io.awspring.cloud</groupId>
+            <artifactId>spring-cloud-aws-starter-s3</artifactId>
+        </dependency>
+
+        <!-- ===== Web + Actuator ===== -->
+        <dependency>
+            <groupId>org.springframework.boot</groupId>
+            <artifactId>spring-boot-starter-web</artifactId>
+        </dependency>
+        <dependency>
+            <groupId>org.springframework.boot</groupId>
+            <artifactId>spring-boot-starter-actuator</artifactId>
+        </dependency>
+
+        <!-- ===== MCP JSON Schema（Studio 所需）===== -->
+        <dependency>
+            <groupId>com.networknt</groupId>
+            <artifactId>json-schema-validator</artifactId>
+            <version>1.5.6</version>
+        </dependency>
+
+        <!-- ===== 开发便利 ===== -->
+        <dependency>
+            <groupId>org.projectlombok</groupId>
+            <artifactId>lombok</artifactId>
+            <optional>true</optional>
+        </dependency>
+    </dependencies>
+
+    <build>
+        <plugins>
+            <plugin>
+                <groupId>org.springframework.boot</groupId>
+                <artifactId>spring-boot-maven-plugin</artifactId>
+            </plugin>
+        </plugins>
+    </build>
+
+    <repositories>
+        <repository>
+            <id>spring-milestones</id>
+            <name>Spring Milestones</name>
+            <url>https://repo.spring.io/milestone</url>
+            <snapshots><enabled>false</enabled></snapshots>
+        </repository>
+    </repositories>
+</project>
@@ -0,0 +1,23 @@
+package com.demo.agent;
+
+import org.springframework.boot.SpringApplication;
+import org.springframework.boot.autoconfigure.SpringBootApplication;
+
+/**
+ * Spring AI Alibaba 全功能智能体平台
+ * <p>
+ * 启动后访问:
+ * <ul>
+ *   <li>Admin Studio: http://localhost:8080/chatui</li>
+ *   <li>健康检查: http://localhost:8080/actuator/health</li>
+ * </ul>
+ */
+@SpringBootApplication(exclude = {
+    org.springframework.ai.mcp.server.common.autoconfigure.McpServerAutoConfiguration.class
+})
+public class AgentPlatformApplication {
+
+    public static void main(String[] args) {
+        SpringApplication.run(AgentPlatformApplication.class, args);
+    }
+}
@@ -0,0 +1,20 @@
+package com.demo.agent;
+
+import org.springframework.ai.chat.model.ChatModel;
+import org.springframework.ai.chat.prompt.Prompt;
+import org.springframework.beans.factory.annotation.Autowired;
+import org.springframework.web.bind.annotation.GetMapping;
+import org.springframework.web.bind.annotation.RequestParam;
+import org.springframework.web.bind.annotation.RestController;
+
+@RestController
+public class ChatController {
+
+    @Autowired
+    private ChatModel chatModel;
+
+    @GetMapping("/chat")
+    public String chat(@RequestParam(defaultValue = "你好，请用一句话介绍你自己") String q) {
+        return chatModel.call(q);
+    }
+}
@@ -0,0 +1,100 @@
+package com.demo.agent;
+
+import com.alibaba.cloud.ai.graph.CompiledGraph;
+import com.alibaba.cloud.ai.graph.KeyStrategy;
+import com.alibaba.cloud.ai.graph.KeyStrategyFactory;
+import com.alibaba.cloud.ai.graph.StateGraph;
+import com.alibaba.cloud.ai.graph.agent.ReactAgent;
+import com.alibaba.cloud.ai.graph.state.strategy.AppendStrategy;
+import com.alibaba.cloud.ai.graph.state.strategy.ReplaceStrategy;
+
+import org.springframework.ai.chat.model.ChatModel;
+import org.springframework.context.annotation.Bean;
+import org.springframework.context.annotation.Configuration;
+
+import java.util.Map;
+
+import static com.alibaba.cloud.ai.graph.StateGraph.END;
+import static com.alibaba.cloud.ai.graph.StateGraph.START;
+import static com.alibaba.cloud.ai.graph.action.AsyncNodeAction.node_async;
+
+@Configuration
+public class StudioDemoConfig {
+
+    /**
+     * 演示 Graph — 简单对话工作流：接收消息 → AI 处理 → 返回结果
+     */
+    @Bean
+    public CompiledGraph demoChatGraph(ChatModel chatModel) throws Exception {
+        KeyStrategyFactory keyFactory = () -> Map.of(
+            "messages", new AppendStrategy(false),
+            "result", new ReplaceStrategy()
+        );
+
+        StateGraph graph = new StateGraph("demo_chat_workflow", keyFactory)
+            .addNode("chat_node", node_async(state -> {
+                Object messages = state.value("messages").orElse("你好");
+                String aiResponse = chatModel.call(messages.toString());
+                return Map.of("result", aiResponse, "messages", aiResponse);
+            }))
+            .addEdge(START, "chat_node")
+            .addEdge("chat_node", END);
+
+        return graph.compile();
+    }
+
+    /**
+     * 演示 Graph — 多步骤处理：分析 → 总结
+     */
+    @Bean
+    public CompiledGraph demoMultiStepGraph(ChatModel chatModel) throws Exception {
+        KeyStrategyFactory keyFactory = () -> Map.of(
+            "input", new ReplaceStrategy(),
+            "analysis", new ReplaceStrategy(),
+            "summary", new ReplaceStrategy()
+        );
+
+        StateGraph graph = new StateGraph("demo_multi_step", keyFactory)
+            .addNode("analyze", node_async(state -> {
+                String input = state.value("input").orElse("").toString();
+                String analysis = chatModel.call("请分析以下内容的关键点：" + input);
+                return Map.of("analysis", analysis);
+            }))
+            .addNode("summarize", node_async(state -> {
+                String analysis = state.value("analysis").orElse("").toString();
+                String summary = chatModel.call("请用一句话总结：" + analysis);
+                return Map.of("summary", summary);
+            }))
+            .addEdge(START, "analyze")
+            .addEdge("analyze", "summarize")
+            .addEdge("summarize", END);
+
+        return graph.compile();
+    }
+
+    /**
+     * 演示 Agent — 基础对话助手
+     */
+    @Bean
+    public ReactAgent demoAssistant(ChatModel chatModel) {
+        return ReactAgent.builder()
+            .name("assistant")
+            .model(chatModel)
+            .systemPrompt("你是一个有用的AI助手，请用中文回答所有问题。")
+            .enableLogging(true)
+            .build();
+    }
+
+    /**
+     * 演示 Agent — 代码助手
+     */
+    @Bean
+    public ReactAgent demoCoder(ChatModel chatModel) {
+        return ReactAgent.builder()
+            .name("coder")
+            .model(chatModel)
+            .systemPrompt("你是一个编程助手，擅长Java、Python、Spring Boot。请提供可运行的代码示例。")
+            .enableLogging(true)
+            .build();
+    }
+}
@@ -0,0 +1,123 @@
+# ============================================================
+# Spring AI Alibaba 全功能平台 — 应用配置
+# 环境：本地内网 WSL2
+# 放置：src/main/resources/application.yml
+# ============================================================
+
+# --- 服务器 ---
+server:
+  port: 8081
+  address: 0.0.0.0     # 绑定所有网卡，允许内网访问
+
+# --- 应用名 ---
+spring:
+  application:
+    name: agent-platform
+
+  # ==========================================
+  # 数据源 — PostgreSQL 16 + pgvector
+  # ==========================================
+  datasource:
+    url: jdbc:postgresql://localhost:5432/spring_ai_agent
+    username: sa_agent
+    password: agent_2026
+    driver-class-name: org.postgresql.Driver
+    hikari:
+      maximum-pool-size: 10
+      minimum-idle: 2
+
+  # ==========================================
+  # AI 模型 — 阿里云百炼 DashScope（外网）
+  # ==========================================
+  ai:
+    dashscope:
+      api-key: ${DASHSCOPE_API_KEY}
+      chat:
+        options:
+          model: qwen-plus
+          temperature: 0.7
+          # max-tokens not supported in 1.0.0.2 DashScopeChatOptions, removed
+
+    # ==========================================
+    # Nacos — 服务注册发现 + 动态配置中心
+    # ==========================================
+    alibaba:
+      # Agent Nacos 代理（1.1.2.2 新配置，注意用 camelCase）
+      agent:
+        proxy:
+          nacos:
+            enabled: true
+            serverAddr: localhost:8848
+            namespace: sa-agent-config
+
+      nacos:
+        # 动态配置
+        config:
+          server-addr: localhost:8848
+          namespace: sa-agent-config
+          username: nacos
+          password: nacos
+          group: DEFAULT_GROUP
+          refresh-enabled: true   # 配置热更新
+
+      # MCP 分布式 — 服务注册发现（暂无 nacos-mcp starter，关闭）
+      mcp:
+        nacos:
+          enabled: false
+          username: nacos
+          password: nacos
+          registry:
+            enabled: true
+            service-namespace: sa-agent-mcp
+
+  # ==========================================
+  # 对象存储 — MinIO（S3 兼容）
+  # ==========================================
+  cloud:
+    aws:
+      s3:
+        endpoint: http://localhost:9000
+        region: us-east-1
+        path-style-access-enabled: true
+      credentials:
+        access-key: minioadmin
+        secret-key: minioadmin
+
+# ==========================================
+# Admin Studio — 可视化编排 + 评测平台
+# ==========================================
+spring.ai.alibaba:
+  studio:
+    enabled: true
+    path: /chatui
+  # Graph 工作流可观测
+  graph:
+    observation:
+      enabled: true
+
+# ==========================================
+# Actuator — 健康检查 + 指标
+# ==========================================
+management:
+  endpoints:
+    web:
+      exposure:
+        include: health,info,metrics,env,prometheus
+  endpoint:
+    health:
+      show-details: when-authorized
+  metrics:
+    export:
+      prometheus:
+        enabled: true
+
+# ==========================================
+# 日志
+# ==========================================
+logging:
+  level:
+    com.alibaba.cloud.ai: DEBUG
+    com.demo.agent: DEBUG
+    org.springframework.ai: INFO
+  file:
+    name: logs/agent-platform.log
@@ -0,0 +1,123 @@
+# ============================================================
+# Spring AI Alibaba 全功能平台 — 应用配置
+# 环境：本地内网 WSL2
+# 放置：src/main/resources/application.yml
+# ============================================================
+
+# --- 服务器 ---
+server:
+  port: 8081
+  address: 0.0.0.0     # 绑定所有网卡，允许内网访问
+
+# --- 应用名 ---
+spring:
+  application:
+    name: agent-platform
+
+  # ==========================================
+  # 数据源 — PostgreSQL 16 + pgvector
+  # ==========================================
+  datasource:
+    url: jdbc:postgresql://localhost:5432/spring_ai_agent
+    username: sa_agent
+    password: agent_2026
+    driver-class-name: org.postgresql.Driver
+    hikari:
+      maximum-pool-size: 10
+      minimum-idle: 2
+
+  # ==========================================
+  # AI 模型 — 阿里云百炼 DashScope（外网）
+  # ==========================================
+  ai:
+    dashscope:
+      api-key: ${DASHSCOPE_API_KEY}
+      chat:
+        options:
+          model: qwen-plus
+          temperature: 0.7
+          # max-tokens not supported in 1.0.0.2 DashScopeChatOptions, removed
+
+    # ==========================================
+    # Nacos — 服务注册发现 + 动态配置中心
+    # ==========================================
+    alibaba:
+      # Agent Nacos 代理（1.1.2.2 新配置，注意用 camelCase）
+      agent:
+        proxy:
+          nacos:
+            enabled: true
+            serverAddr: localhost:8848
+            namespace: sa-agent-config
+
+      nacos:
+        # 动态配置
+        config:
+          server-addr: localhost:8848
+          namespace: sa-agent-config
+          username: nacos
+          password: nacos
+          group: DEFAULT_GROUP
+          refresh-enabled: true   # 配置热更新
+
+      # MCP 分布式 — 服务注册发现（暂无 nacos-mcp starter，关闭）
+      mcp:
+        nacos:
+          enabled: false
+          username: nacos
+          password: nacos
+          registry:
+            enabled: true
+            service-namespace: sa-agent-mcp
+
+  # ==========================================
+  # 对象存储 — MinIO（S3 兼容）
+  # ==========================================
+  cloud:
+    aws:
+      s3:
+        endpoint: http://localhost:9000
+        region: us-east-1
+        path-style-access-enabled: true
+      credentials:
+        access-key: minioadmin
+        secret-key: minioadmin
+
+# ==========================================
+# Admin Studio — 可视化编排 + 评测平台
+# ==========================================
+spring.ai.alibaba:
+  studio:
+    enabled: true
+    path: /chatui
+  # Graph 工作流可观测
+  graph:
+    observation:
+      enabled: true
+
+# ==========================================
+# Actuator — 健康检查 + 指标
+# ==========================================
+management:
+  endpoints:
+    web:
+      exposure:
+        include: health,info,metrics,env,prometheus
+  endpoint:
+    health:
+      show-details: when-authorized
+  metrics:
+    export:
+      prometheus:
+        enabled: true
+
+# ==========================================
+# 日志
+# ==========================================
+logging:
+  level:
+    com.alibaba.cloud.ai: DEBUG
+    com.demo.agent: DEBUG
+    org.springframework.ai: INFO
+  file:
+    name: logs/agent-platform.log
@@ -0,0 +1,3 @@
+artifactId=agent-platform
+groupId=com.demo
+version=1.0.0
@@ -0,0 +1,3 @@
+com/demo/agent/ChatController.class
+com/demo/agent/StudioDemoConfig.class
+com/demo/agent/AgentPlatformApplication.class
@@ -0,0 +1,3 @@
+/mnt/d/wiki/智能体平台调研/代码/agent-platform/src/main/java/com/demo/agent/AgentPlatformApplication.java
+/mnt/d/wiki/智能体平台调研/代码/agent-platform/src/main/java/com/demo/agent/ChatController.java
+/mnt/d/wiki/智能体平台调研/代码/agent-platform/src/main/java/com/demo/agent/StudioDemoConfig.java
@@ -0,0 +1,260 @@
+# ------------------------------------------------------------------
+# Essential defaults for Docker Compose deployments.
+# Only include variables required for services to start.
+#
+# For a default deployment, copy this file to .env and run:
+#   docker compose up -d
+#
+# Optional and provider-specific variables live under docker/envs/.
+# Copy an optional *.env.example file beside itself without the
+# .example suffix when you need those advanced settings.
+# Values in docker/.env take precedence over docker/envs/*.env files.
+# ------------------------------------------------------------------
+
+# Core service URLs
+CONSOLE_API_URL=
+SERVER_CONSOLE_API_URL=http://api:5001
+CONSOLE_WEB_URL=
+SERVICE_API_URL=
+TRIGGER_URL=http://localhost
+APP_API_URL=
+APP_WEB_URL=
+FILES_URL=
+INTERNAL_FILES_URL=
+ENDPOINT_URL_TEMPLATE=http://localhost/e/{hook_id}
+NEXT_PUBLIC_SOCKET_URL=ws://localhost
+
+# Runtime and security
+LANG=C.UTF-8
+LC_ALL=C.UTF-8
+PYTHONIOENCODING=utf-8
+UV_CACHE_DIR=/tmp/.uv-cache
+# Leave empty to auto-generate a persistent key in the storage directory.
+SECRET_KEY=dify-secret-key-2026-local-intranet-deploy
+INIT_PASSWORD=
+DEPLOY_ENV=PRODUCTION
+CHECK_UPDATE_URL=https://updates.dify.ai
+OPENAI_API_BASE=https://api.openai.com/v1
+MIGRATION_ENABLED=true
+FILES_ACCESS_TIMEOUT=300
+# Remove `collaboration` from COMPOSE_PROFILES to stop the dedicated websocket service.
+ENABLE_COLLABORATION_MODE=true
+
+# Logging and server workers
+LOG_LEVEL=INFO
+LOG_OUTPUT_FORMAT=text
+LOG_FILE=/app/logs/server.log
+LOG_FILE_MAX_SIZE=20
+LOG_FILE_BACKUP_COUNT=5
+LOG_DATEFORMAT=%Y-%m-%d %H:%M:%S
+LOG_TZ=UTC
+DEBUG=false
+FLASK_DEBUG=false
+ENABLE_REQUEST_LOGGING=False
+DIFY_BIND_ADDRESS=0.0.0.0
+DIFY_PORT=5001
+SERVER_WORKER_AMOUNT=1
+SERVER_WORKER_CLASS=gevent
+SERVER_WORKER_CONNECTIONS=10
+API_WEBSOCKET_WORKER_CLASS=geventwebsocket.gunicorn.workers.GeventWebSocketWorker
+API_WEBSOCKET_WORKER_CONNECTIONS=1000
+API_WEBSOCKET_GUNICORN_TIMEOUT=360
+GUNICORN_TIMEOUT=360
+CELERY_WORKER_CLASS=
+CELERY_WORKER_AMOUNT=4
+CELERY_AUTO_SCALE=false
+CELERY_MAX_WORKERS=
+CELERY_MIN_WORKERS=
+COMPOSE_WORKER_HEALTHCHECK_DISABLED=true
+COMPOSE_WORKER_HEALTHCHECK_INTERVAL=30s
+COMPOSE_WORKER_HEALTHCHECK_TIMEOUT=30s
+
+# Database
+DB_TYPE=postgresql
+DB_USERNAME=sa_agent
+DB_PASSWORD=agent_2026
+DB_HOST=172.18.79.129
+DB_PORT=5432
+DB_DATABASE=dify
+SQLALCHEMY_POOL_SIZE=30
+SQLALCHEMY_MAX_OVERFLOW=10
+SQLALCHEMY_POOL_RECYCLE=3600
+SQLALCHEMY_ECHO=false
+SQLALCHEMY_POOL_PRE_PING=false
+SQLALCHEMY_POOL_USE_LIFO=false
+SQLALCHEMY_POOL_TIMEOUT=30
+SQLALCHEMY_POOL_RESET_ON_RETURN=rollback
+PGDATA=/var/lib/postgresql/data/pgdata
+POSTGRES_MAX_CONNECTIONS=200
+POSTGRES_SHARED_BUFFERS=128MB
+POSTGRES_WORK_MEM=4MB
+POSTGRES_MAINTENANCE_WORK_MEM=64MB
+POSTGRES_EFFECTIVE_CACHE_SIZE=4096MB
+POSTGRES_STATEMENT_TIMEOUT=0
+POSTGRES_IDLE_IN_TRANSACTION_SESSION_TIMEOUT=0
+
+# Redis and Celery
+REDIS_HOST=redis
+REDIS_PORT=6379
+REDIS_USERNAME=
+REDIS_PASSWORD=difyai123456
+REDIS_USE_SSL=false
+REDIS_SSL_CERT_REQS=CERT_NONE
+REDIS_SSL_CA_CERTS=
+REDIS_SSL_CERTFILE=
+REDIS_SSL_KEYFILE=
+REDIS_DB=0
+REDIS_KEY_PREFIX=
+REDIS_MAX_CONNECTIONS=
+REDIS_RETRY_RETRIES=3
+REDIS_RETRY_BACKOFF_BASE=1.0
+REDIS_RETRY_BACKOFF_CAP=10.0
+REDIS_SOCKET_TIMEOUT=5.0
+REDIS_SOCKET_CONNECT_TIMEOUT=5.0
+REDIS_HEALTH_CHECK_INTERVAL=30
+CELERY_BROKER_URL=redis://:difyai123456@redis:6379/1
+CELERY_BACKEND=redis
+BROKER_USE_SSL=false
+CELERY_TASK_ANNOTATIONS=null
+EVENT_BUS_REDIS_URL=
+EVENT_BUS_REDIS_CHANNEL_TYPE=pubsub
+EVENT_BUS_REDIS_USE_CLUSTERS=false
+EVENT_BUS_LISTENER_JOIN_TIMEOUT_MS=2000
+
+# Web and app limits
+WEB_API_CORS_ALLOW_ORIGINS=*
+CONSOLE_CORS_ALLOW_ORIGINS=*
+COOKIE_DOMAIN=
+NEXT_PUBLIC_COOKIE_DOMAIN=
+NEXT_PUBLIC_BATCH_CONCURRENCY=5
+API_SENTRY_DSN=
+API_SENTRY_TRACES_SAMPLE_RATE=1.0
+API_SENTRY_PROFILES_SAMPLE_RATE=1.0
+WEB_SENTRY_DSN=
+AMPLITUDE_API_KEY=
+TEXT_GENERATION_TIMEOUT_MS=60000
+CSP_WHITELIST=
+ALLOW_EMBED=false
+ALLOW_INLINE_STYLES=false
+ALLOW_UNSAFE_DATA_SCHEME=false
+TOP_K_MAX_VALUE=10
+INDEXING_MAX_SEGMENTATION_TOKENS_LENGTH=4000
+LOOP_NODE_MAX_COUNT=100
+MAX_TOOLS_NUM=10
+MAX_PARALLEL_LIMIT=10
+MAX_ITERATIONS_NUM=99
+MAX_TREE_DEPTH=50
+ENABLE_WEBSITE_JINAREADER=true
+ENABLE_WEBSITE_FIRECRAWL=true
+ENABLE_WEBSITE_WATERCRAWL=true
+NEXT_PUBLIC_ENABLE_SINGLE_DOLLAR_LATEX=false
+EXPERIMENTAL_ENABLE_VINEXT=false
+
+# Storage and default vector store
+STORAGE_TYPE=opendal
+OPENDAL_SCHEME=fs
+OPENDAL_FS_ROOT=storage
+VECTOR_STORE=weaviate
+VECTOR_INDEX_NAME_PREFIX=Vector_index
+WEAVIATE_ENDPOINT=http://weaviate:8080
+WEAVIATE_API_KEY=WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih
+WEAVIATE_GRPC_ENDPOINT=grpc://weaviate:50051
+WEAVIATE_TOKENIZATION=word
+WEAVIATE_PERSISTENCE_DATA_PATH=/var/lib/weaviate
+WEAVIATE_QUERY_DEFAULTS_LIMIT=25
+WEAVIATE_AUTHENTICATION_ANONYMOUS_ACCESS_ENABLED=true
+WEAVIATE_DEFAULT_VECTORIZER_MODULE=none
+WEAVIATE_CLUSTER_HOSTNAME=node1
+WEAVIATE_AUTHENTICATION_APIKEY_ENABLED=true
+WEAVIATE_AUTHENTICATION_APIKEY_ALLOWED_KEYS=WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih
+WEAVIATE_AUTHENTICATION_APIKEY_USERS=hello@dify.ai
+WEAVIATE_AUTHORIZATION_ADMINLIST_ENABLED=true
+WEAVIATE_AUTHORIZATION_ADMINLIST_USERS=hello@dify.ai
+WEAVIATE_DISABLE_TELEMETRY=false
+WEAVIATE_ENABLE_TOKENIZER_GSE=false
+WEAVIATE_ENABLE_TOKENIZER_KAGOME_JA=false
+WEAVIATE_ENABLE_TOKENIZER_KAGOME_KR=false
+
+# Sandbox and SSRF proxy
+CODE_EXECUTION_ENDPOINT=http://sandbox:8194
+CODE_EXECUTION_API_KEY=dify-sandbox
+CODE_EXECUTION_SSL_VERIFY=True
+CODE_EXECUTION_POOL_MAX_CONNECTIONS=100
+CODE_EXECUTION_POOL_MAX_KEEPALIVE_CONNECTIONS=20
+CODE_EXECUTION_POOL_KEEPALIVE_EXPIRY=5.0
+CODE_EXECUTION_CONNECT_TIMEOUT=10
+CODE_EXECUTION_READ_TIMEOUT=60
+CODE_EXECUTION_WRITE_TIMEOUT=10
+SANDBOX_API_KEY=dify-sandbox
+SANDBOX_GIN_MODE=release
+SANDBOX_WORKER_TIMEOUT=15
+SANDBOX_ENABLE_NETWORK=true
+SANDBOX_HTTP_PROXY=http://ssrf_proxy:3128
+SANDBOX_HTTPS_PROXY=http://ssrf_proxy:3128
+SANDBOX_PORT=8194
+PIP_MIRROR_URL=
+SSRF_PROXY_HTTP_URL=http://ssrf_proxy:3128
+SSRF_PROXY_HTTPS_URL=http://ssrf_proxy:3128
+SSRF_HTTP_PORT=3128
+SSRF_COREDUMP_DIR=/var/spool/squid
+SSRF_REVERSE_PROXY_PORT=8194
+SSRF_SANDBOX_HOST=sandbox
+SSRF_DEFAULT_TIME_OUT=5
+SSRF_DEFAULT_CONNECT_TIME_OUT=5
+SSRF_DEFAULT_READ_TIME_OUT=5
+SSRF_DEFAULT_WRITE_TIME_OUT=5
+SSRF_POOL_MAX_CONNECTIONS=100
+SSRF_POOL_MAX_KEEPALIVE_CONNECTIONS=20
+SSRF_POOL_KEEPALIVE_EXPIRY=5.0
+
+# Plugin daemon
+DB_PLUGIN_DATABASE=dify_plugin
+EXPOSE_PLUGIN_DAEMON_PORT=5002
+PLUGIN_DAEMON_PORT=5002
+PLUGIN_DAEMON_KEY=lYkiYYT6owG+71oLerGzA7GXCgOT++6ovaezWAjpCjf+Sjc3ZtU+qUEi
+PLUGIN_DAEMON_URL=http://plugin_daemon:5002
+PLUGIN_MAX_PACKAGE_SIZE=52428800
+PLUGIN_MODEL_SCHEMA_CACHE_TTL=3600
+PLUGIN_PPROF_ENABLED=false
+PLUGIN_DEBUGGING_HOST=0.0.0.0
+PLUGIN_DEBUGGING_PORT=5003
+EXPOSE_PLUGIN_DEBUGGING_HOST=localhost
+EXPOSE_PLUGIN_DEBUGGING_PORT=5003
+PLUGIN_DIFY_INNER_API_KEY=QaHbTe77CtuXmsfyhR7+vRjI/+XbV1AaFy691iy+kGDv2Jvy0/eAh8Y1
+PLUGIN_DIFY_INNER_API_URL=http://api:5001
+FORCE_VERIFYING_SIGNATURE=true
+PLUGIN_STDIO_BUFFER_SIZE=1024
+PLUGIN_STDIO_MAX_BUFFER_SIZE=5242880
+PLUGIN_PYTHON_ENV_INIT_TIMEOUT=120
+PLUGIN_MAX_EXECUTION_TIMEOUT=600
+PLUGIN_STORAGE_TYPE=local
+PLUGIN_STORAGE_LOCAL_ROOT=/app/storage
+PLUGIN_WORKING_PATH=/app/storage/cwd
+PLUGIN_INSTALLED_PATH=plugin
+PLUGIN_PACKAGE_CACHE_PATH=plugin_packages
+PLUGIN_MEDIA_CACHE_PATH=assets
+PLUGIN_STORAGE_OSS_BUCKET=
+PLUGIN_SENTRY_ENABLED=false
+PLUGIN_SENTRY_DSN=
+MARKETPLACE_ENABLED=true
+MARKETPLACE_API_URL=https://marketplace.dify.ai
+MARKETPLACE_URL=
+
+# Nginx and Docker Compose
+NGINX_SERVER_NAME=_
+NGINX_HTTPS_ENABLED=false
+NGINX_PORT=80
+NGINX_SSL_PORT=443
+NGINX_SSL_CERT_FILENAME=dify.crt
+NGINX_SSL_CERT_KEY_FILENAME=dify.key
+NGINX_SSL_PROTOCOLS=TLSv1.2 TLSv1.3
+NGINX_WORKER_PROCESSES=auto
+NGINX_CLIENT_MAX_BODY_SIZE=100M
+NGINX_KEEPALIVE_TIMEOUT=65
+NGINX_PROXY_READ_TIMEOUT=3600s
+NGINX_PROXY_SEND_TIMEOUT=3600s
+NGINX_ENABLE_CERTBOT_CHALLENGE=false
+NGINX_SOCKET_IO_UPSTREAM=api_websocket:5001
+EXPOSE_NGINX_PORT=8082
+EXPOSE_NGINX_SSL_PORT=8443
+COMPOSE_PROFILES=${VECTOR_STORE:-weaviate},${DB_TYPE:-postgresql},collaboration
@@ -0,0 +1,260 @@
+# ------------------------------------------------------------------
+# Essential defaults for Docker Compose deployments.
+# Only include variables required for services to start.
+#
+# For a default deployment, copy this file to .env and run:
+#   docker compose up -d
+#
+# Optional and provider-specific variables live under docker/envs/.
+# Copy an optional *.env.example file beside itself without the
+# .example suffix when you need those advanced settings.
+# Values in docker/.env take precedence over docker/envs/*.env files.
+# ------------------------------------------------------------------
+
+# Core service URLs
+CONSOLE_API_URL=
+SERVER_CONSOLE_API_URL=http://api:5001
+CONSOLE_WEB_URL=
+SERVICE_API_URL=
+TRIGGER_URL=http://localhost
+APP_API_URL=
+APP_WEB_URL=
+FILES_URL=
+INTERNAL_FILES_URL=
+ENDPOINT_URL_TEMPLATE=http://localhost/e/{hook_id}
+NEXT_PUBLIC_SOCKET_URL=ws://localhost
+
+# Runtime and security
+LANG=C.UTF-8
+LC_ALL=C.UTF-8
+PYTHONIOENCODING=utf-8
+UV_CACHE_DIR=/tmp/.uv-cache
+# Leave empty to auto-generate a persistent key in the storage directory.
+SECRET_KEY=
+INIT_PASSWORD=
+DEPLOY_ENV=PRODUCTION
+CHECK_UPDATE_URL=https://updates.dify.ai
+OPENAI_API_BASE=https://api.openai.com/v1
+MIGRATION_ENABLED=true
+FILES_ACCESS_TIMEOUT=300
+# Remove `collaboration` from COMPOSE_PROFILES to stop the dedicated websocket service.
+ENABLE_COLLABORATION_MODE=true
+
+# Logging and server workers
+LOG_LEVEL=INFO
+LOG_OUTPUT_FORMAT=text
+LOG_FILE=/app/logs/server.log
+LOG_FILE_MAX_SIZE=20
+LOG_FILE_BACKUP_COUNT=5
+LOG_DATEFORMAT=%Y-%m-%d %H:%M:%S
+LOG_TZ=UTC
+DEBUG=false
+FLASK_DEBUG=false
+ENABLE_REQUEST_LOGGING=False
+DIFY_BIND_ADDRESS=0.0.0.0
+DIFY_PORT=5001
+SERVER_WORKER_AMOUNT=1
+SERVER_WORKER_CLASS=gevent
+SERVER_WORKER_CONNECTIONS=10
+API_WEBSOCKET_WORKER_CLASS=geventwebsocket.gunicorn.workers.GeventWebSocketWorker
+API_WEBSOCKET_WORKER_CONNECTIONS=1000
+API_WEBSOCKET_GUNICORN_TIMEOUT=360
+GUNICORN_TIMEOUT=360
+CELERY_WORKER_CLASS=
+CELERY_WORKER_AMOUNT=4
+CELERY_AUTO_SCALE=false
+CELERY_MAX_WORKERS=
+CELERY_MIN_WORKERS=
+COMPOSE_WORKER_HEALTHCHECK_DISABLED=true
+COMPOSE_WORKER_HEALTHCHECK_INTERVAL=30s
+COMPOSE_WORKER_HEALTHCHECK_TIMEOUT=30s
+
+# Database
+DB_TYPE=postgresql
+DB_USERNAME=postgres
+DB_PASSWORD=difyai123456
+DB_HOST=db_postgres
+DB_PORT=5432
+DB_DATABASE=dify
+SQLALCHEMY_POOL_SIZE=30
+SQLALCHEMY_MAX_OVERFLOW=10
+SQLALCHEMY_POOL_RECYCLE=3600
+SQLALCHEMY_ECHO=false
+SQLALCHEMY_POOL_PRE_PING=false
+SQLALCHEMY_POOL_USE_LIFO=false
+SQLALCHEMY_POOL_TIMEOUT=30
+SQLALCHEMY_POOL_RESET_ON_RETURN=rollback
+PGDATA=/var/lib/postgresql/data/pgdata
+POSTGRES_MAX_CONNECTIONS=200
+POSTGRES_SHARED_BUFFERS=128MB
+POSTGRES_WORK_MEM=4MB
+POSTGRES_MAINTENANCE_WORK_MEM=64MB
+POSTGRES_EFFECTIVE_CACHE_SIZE=4096MB
+POSTGRES_STATEMENT_TIMEOUT=0
+POSTGRES_IDLE_IN_TRANSACTION_SESSION_TIMEOUT=0
+
+# Redis and Celery
+REDIS_HOST=redis
+REDIS_PORT=6379
+REDIS_USERNAME=
+REDIS_PASSWORD=difyai123456
+REDIS_USE_SSL=false
+REDIS_SSL_CERT_REQS=CERT_NONE
+REDIS_SSL_CA_CERTS=
+REDIS_SSL_CERTFILE=
+REDIS_SSL_KEYFILE=
+REDIS_DB=0
+REDIS_KEY_PREFIX=
+REDIS_MAX_CONNECTIONS=
+REDIS_RETRY_RETRIES=3
+REDIS_RETRY_BACKOFF_BASE=1.0
+REDIS_RETRY_BACKOFF_CAP=10.0
+REDIS_SOCKET_TIMEOUT=5.0
+REDIS_SOCKET_CONNECT_TIMEOUT=5.0
+REDIS_HEALTH_CHECK_INTERVAL=30
+CELERY_BROKER_URL=redis://:difyai123456@redis:6379/1
+CELERY_BACKEND=redis
+BROKER_USE_SSL=false
+CELERY_TASK_ANNOTATIONS=null
+EVENT_BUS_REDIS_URL=
+EVENT_BUS_REDIS_CHANNEL_TYPE=pubsub
+EVENT_BUS_REDIS_USE_CLUSTERS=false
+EVENT_BUS_LISTENER_JOIN_TIMEOUT_MS=2000
+
+# Web and app limits
+WEB_API_CORS_ALLOW_ORIGINS=*
+CONSOLE_CORS_ALLOW_ORIGINS=*
+COOKIE_DOMAIN=
+NEXT_PUBLIC_COOKIE_DOMAIN=
+NEXT_PUBLIC_BATCH_CONCURRENCY=5
+API_SENTRY_DSN=
+API_SENTRY_TRACES_SAMPLE_RATE=1.0
+API_SENTRY_PROFILES_SAMPLE_RATE=1.0
+WEB_SENTRY_DSN=
+AMPLITUDE_API_KEY=
+TEXT_GENERATION_TIMEOUT_MS=60000
+CSP_WHITELIST=
+ALLOW_EMBED=false
+ALLOW_INLINE_STYLES=false
+ALLOW_UNSAFE_DATA_SCHEME=false
+TOP_K_MAX_VALUE=10
+INDEXING_MAX_SEGMENTATION_TOKENS_LENGTH=4000
+LOOP_NODE_MAX_COUNT=100
+MAX_TOOLS_NUM=10
+MAX_PARALLEL_LIMIT=10
+MAX_ITERATIONS_NUM=99
+MAX_TREE_DEPTH=50
+ENABLE_WEBSITE_JINAREADER=true
+ENABLE_WEBSITE_FIRECRAWL=true
+ENABLE_WEBSITE_WATERCRAWL=true
+NEXT_PUBLIC_ENABLE_SINGLE_DOLLAR_LATEX=false
+EXPERIMENTAL_ENABLE_VINEXT=false
+
+# Storage and default vector store
+STORAGE_TYPE=opendal
+OPENDAL_SCHEME=fs
+OPENDAL_FS_ROOT=storage
+VECTOR_STORE=weaviate
+VECTOR_INDEX_NAME_PREFIX=Vector_index
+WEAVIATE_ENDPOINT=http://weaviate:8080
+WEAVIATE_API_KEY=WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih
+WEAVIATE_GRPC_ENDPOINT=grpc://weaviate:50051
+WEAVIATE_TOKENIZATION=word
+WEAVIATE_PERSISTENCE_DATA_PATH=/var/lib/weaviate
+WEAVIATE_QUERY_DEFAULTS_LIMIT=25
+WEAVIATE_AUTHENTICATION_ANONYMOUS_ACCESS_ENABLED=true
+WEAVIATE_DEFAULT_VECTORIZER_MODULE=none
+WEAVIATE_CLUSTER_HOSTNAME=node1
+WEAVIATE_AUTHENTICATION_APIKEY_ENABLED=true
+WEAVIATE_AUTHENTICATION_APIKEY_ALLOWED_KEYS=WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih
+WEAVIATE_AUTHENTICATION_APIKEY_USERS=hello@dify.ai
+WEAVIATE_AUTHORIZATION_ADMINLIST_ENABLED=true
+WEAVIATE_AUTHORIZATION_ADMINLIST_USERS=hello@dify.ai
+WEAVIATE_DISABLE_TELEMETRY=false
+WEAVIATE_ENABLE_TOKENIZER_GSE=false
+WEAVIATE_ENABLE_TOKENIZER_KAGOME_JA=false
+WEAVIATE_ENABLE_TOKENIZER_KAGOME_KR=false
+
+# Sandbox and SSRF proxy
+CODE_EXECUTION_ENDPOINT=http://sandbox:8194
+CODE_EXECUTION_API_KEY=dify-sandbox
+CODE_EXECUTION_SSL_VERIFY=True
+CODE_EXECUTION_POOL_MAX_CONNECTIONS=100
+CODE_EXECUTION_POOL_MAX_KEEPALIVE_CONNECTIONS=20
+CODE_EXECUTION_POOL_KEEPALIVE_EXPIRY=5.0
+CODE_EXECUTION_CONNECT_TIMEOUT=10
+CODE_EXECUTION_READ_TIMEOUT=60
+CODE_EXECUTION_WRITE_TIMEOUT=10
+SANDBOX_API_KEY=dify-sandbox
+SANDBOX_GIN_MODE=release
+SANDBOX_WORKER_TIMEOUT=15
+SANDBOX_ENABLE_NETWORK=true
+SANDBOX_HTTP_PROXY=http://ssrf_proxy:3128
+SANDBOX_HTTPS_PROXY=http://ssrf_proxy:3128
+SANDBOX_PORT=8194
+PIP_MIRROR_URL=
+SSRF_PROXY_HTTP_URL=http://ssrf_proxy:3128
+SSRF_PROXY_HTTPS_URL=http://ssrf_proxy:3128
+SSRF_HTTP_PORT=3128
+SSRF_COREDUMP_DIR=/var/spool/squid
+SSRF_REVERSE_PROXY_PORT=8194
+SSRF_SANDBOX_HOST=sandbox
+SSRF_DEFAULT_TIME_OUT=5
+SSRF_DEFAULT_CONNECT_TIME_OUT=5
+SSRF_DEFAULT_READ_TIME_OUT=5
+SSRF_DEFAULT_WRITE_TIME_OUT=5
+SSRF_POOL_MAX_CONNECTIONS=100
+SSRF_POOL_MAX_KEEPALIVE_CONNECTIONS=20
+SSRF_POOL_KEEPALIVE_EXPIRY=5.0
+
+# Plugin daemon
+DB_PLUGIN_DATABASE=dify_plugin
+EXPOSE_PLUGIN_DAEMON_PORT=5002
+PLUGIN_DAEMON_PORT=5002
+PLUGIN_DAEMON_KEY=lYkiYYT6owG+71oLerGzA7GXCgOT++6ovaezWAjpCjf+Sjc3ZtU+qUEi
+PLUGIN_DAEMON_URL=http://plugin_daemon:5002
+PLUGIN_MAX_PACKAGE_SIZE=52428800
+PLUGIN_MODEL_SCHEMA_CACHE_TTL=3600
+PLUGIN_PPROF_ENABLED=false
+PLUGIN_DEBUGGING_HOST=0.0.0.0
+PLUGIN_DEBUGGING_PORT=5003
+EXPOSE_PLUGIN_DEBUGGING_HOST=localhost
+EXPOSE_PLUGIN_DEBUGGING_PORT=5003
+PLUGIN_DIFY_INNER_API_KEY=QaHbTe77CtuXmsfyhR7+vRjI/+XbV1AaFy691iy+kGDv2Jvy0/eAh8Y1
+PLUGIN_DIFY_INNER_API_URL=http://api:5001
+FORCE_VERIFYING_SIGNATURE=true
+PLUGIN_STDIO_BUFFER_SIZE=1024
+PLUGIN_STDIO_MAX_BUFFER_SIZE=5242880
+PLUGIN_PYTHON_ENV_INIT_TIMEOUT=120
+PLUGIN_MAX_EXECUTION_TIMEOUT=600
+PLUGIN_STORAGE_TYPE=local
+PLUGIN_STORAGE_LOCAL_ROOT=/app/storage
+PLUGIN_WORKING_PATH=/app/storage/cwd
+PLUGIN_INSTALLED_PATH=plugin
+PLUGIN_PACKAGE_CACHE_PATH=plugin_packages
+PLUGIN_MEDIA_CACHE_PATH=assets
+PLUGIN_STORAGE_OSS_BUCKET=
+PLUGIN_SENTRY_ENABLED=false
+PLUGIN_SENTRY_DSN=
+MARKETPLACE_ENABLED=true
+MARKETPLACE_API_URL=https://marketplace.dify.ai
+MARKETPLACE_URL=
+
+# Nginx and Docker Compose
+NGINX_SERVER_NAME=_
+NGINX_HTTPS_ENABLED=false
+NGINX_PORT=80
+NGINX_SSL_PORT=443
+NGINX_SSL_CERT_FILENAME=dify.crt
+NGINX_SSL_CERT_KEY_FILENAME=dify.key
+NGINX_SSL_PROTOCOLS=TLSv1.2 TLSv1.3
+NGINX_WORKER_PROCESSES=auto
+NGINX_CLIENT_MAX_BODY_SIZE=100M
+NGINX_KEEPALIVE_TIMEOUT=65
+NGINX_PROXY_READ_TIMEOUT=3600s
+NGINX_PROXY_SEND_TIMEOUT=3600s
+NGINX_ENABLE_CERTBOT_CHALLENGE=false
+NGINX_SOCKET_IO_UPSTREAM=api_websocket:5001
+EXPOSE_NGINX_PORT=80
+EXPOSE_NGINX_SSL_PORT=443
+COMPOSE_PROFILES=${VECTOR_STORE:-weaviate},${DB_TYPE:-postgresql},collaboration
@@ -0,0 +1,485 @@
+# ------------------------------
+# Shared API/Worker Configuration
+# ------------------------------
+
+CONSOLE_WEB_URL=
+SERVICE_API_URL=
+TRIGGER_URL=http://localhost
+APP_WEB_URL=
+FILES_URL=
+INTERNAL_FILES_URL=
+LANG=C.UTF-8
+LC_ALL=C.UTF-8
+PYTHONIOENCODING=utf-8
+UV_CACHE_DIR=/tmp/.uv-cache
+CHECK_UPDATE_URL=https://updates.dify.ai
+OPENAI_API_BASE=https://api.openai.com/v1
+MIGRATION_ENABLED=true
+FILES_ACCESS_TIMEOUT=300
+# Remove `collaboration` from COMPOSE_PROFILES to stop the dedicated websocket service.
+ENABLE_COLLABORATION_MODE=true
+CELERY_BROKER_URL=redis://:difyai123456@redis:6379/1
+CELERY_TASK_ANNOTATIONS=null
+AZURE_BLOB_ACCOUNT_URL=https://<your_account_name>.blob.core.windows.net
+SUPABASE_URL=your-server-url
+TIDB_ON_QDRANT_URL=http://127.0.0.1
+TIDB_ON_QDRANT_API_KEY=dify
+TIDB_API_URL=http://127.0.0.1
+TIDB_IAM_API_URL=http://127.0.0.1
+TIDB_REGION=regions/aws-us-east-1
+TIDB_PROJECT_ID=dify
+TIDB_SPEND_LIMIT=100
+TENCENT_VECTOR_DB_URL=http://127.0.0.1
+TENCENT_VECTOR_DB_API_KEY=dify
+LINDORM_URL=http://localhost:30070
+LINDORM_USERNAME=admin
+UPSTASH_VECTOR_URL=https://xxx-vector.upstash.io
+UPLOAD_FILE_SIZE_LIMIT=15
+UPLOAD_FILE_BATCH_LIMIT=5
+UPLOAD_FILE_EXTENSION_BLACKLIST=
+SINGLE_CHUNK_ATTACHMENT_LIMIT=10
+IMAGE_FILE_BATCH_LIMIT=10
+ATTACHMENT_IMAGE_FILE_SIZE_LIMIT=2
+ATTACHMENT_IMAGE_DOWNLOAD_TIMEOUT=60
+ETL_TYPE=dify
+UNSTRUCTURED_API_URL=
+MULTIMODAL_SEND_FORMAT=base64
+UPLOAD_IMAGE_FILE_SIZE_LIMIT=10
+UPLOAD_VIDEO_FILE_SIZE_LIMIT=100
+UPLOAD_AUDIO_FILE_SIZE_LIMIT=50
+API_SENTRY_DSN=
+API_SENTRY_TRACES_SAMPLE_RATE=1.0
+API_SENTRY_PROFILES_SAMPLE_RATE=1.0
+WEB_SENTRY_DSN=
+PLUGIN_SENTRY_ENABLED=false
+PLUGIN_SENTRY_DSN=
+NOTION_INTEGRATION_TYPE=public
+RESEND_API_URL=https://api.resend.com
+SSRF_PROXY_HTTP_URL=http://ssrf_proxy:3128
+SSRF_PROXY_HTTPS_URL=http://ssrf_proxy:3128
+PGDATA=/var/lib/postgresql/data/pgdata
+PLUGIN_MAX_PACKAGE_SIZE=52428800
+PLUGIN_MODEL_SCHEMA_CACHE_TTL=3600
+PLUGIN_MODEL_PROVIDERS_CACHE_TTL=86400
+ENDPOINT_URL_TEMPLATE=http://localhost/e/{hook_id}
+LOG_LEVEL=INFO
+LOG_OUTPUT_FORMAT=text
+LOG_FILE=/app/logs/server.log
+LOG_FILE_MAX_SIZE=20
+LOG_FILE_BACKUP_COUNT=5
+LOG_DATEFORMAT=%Y-%m-%d %H:%M:%S
+LOG_TZ=UTC
+DEBUG=false
+FLASK_DEBUG=false
+ENABLE_REQUEST_LOGGING=False
+OPS_TRACE_RETRYABLE_DISPATCH_MAX_RETRIES=60
+OPS_TRACE_RETRYABLE_DISPATCH_DELAY_SECONDS=5
+WORKFLOW_LOG_CLEANUP_ENABLED=false
+WORKFLOW_LOG_RETENTION_DAYS=30
+WORKFLOW_LOG_CLEANUP_BATCH_SIZE=100
+WORKFLOW_LOG_CLEANUP_SPECIFIC_WORKFLOW_IDS=
+EXPOSE_PLUGIN_DEBUGGING_HOST=localhost
+EXPOSE_PLUGIN_DEBUGGING_PORT=5003
+DEPLOY_ENV=PRODUCTION
+ACCESS_TOKEN_EXPIRE_MINUTES=60
+REFRESH_TOKEN_EXPIRE_DAYS=30
+APP_DEFAULT_ACTIVE_REQUESTS=0
+APP_MAX_ACTIVE_REQUESTS=0
+APP_MAX_EXECUTION_TIME=1200
+DIFY_BIND_ADDRESS=0.0.0.0
+DIFY_PORT=5001
+SERVER_WORKER_AMOUNT=1
+SERVER_WORKER_CLASS=gevent
+SERVER_WORKER_CONNECTIONS=10
+API_WEBSOCKET_WORKER_CLASS=geventwebsocket.gunicorn.workers.GeventWebSocketWorker
+API_WEBSOCKET_WORKER_CONNECTIONS=1000
+API_WEBSOCKET_GUNICORN_TIMEOUT=360
+CELERY_SENTINEL_PASSWORD=
+S3_ACCESS_KEY=
+S3_SECRET_KEY=
+ARCHIVE_STORAGE_ACCESS_KEY=
+ARCHIVE_STORAGE_SECRET_KEY=
+AZURE_BLOB_ACCOUNT_KEY=difyai
+ALIYUN_OSS_ACCESS_KEY=your-access-key
+ALIYUN_OSS_SECRET_KEY=your-secret-key
+TENCENT_COS_SECRET_KEY=your-secret-key
+TENCENT_COS_SECRET_ID=your-secret-id
+OCI_ACCESS_KEY=your-access-key
+OCI_SECRET_KEY=your-secret-key
+HUAWEI_OBS_SECRET_KEY=your-secret-key
+HUAWEI_OBS_ACCESS_KEY=your-access-key
+VOLCENGINE_TOS_SECRET_KEY=your-secret-key
+VOLCENGINE_TOS_ACCESS_KEY=your-access-key
+BAIDU_OBS_SECRET_KEY=your-secret-key
+BAIDU_OBS_ACCESS_KEY=your-access-key
+SUPABASE_API_KEY=your-access-key
+ALIBABACLOUD_MYSQL_PASSWORD=difyai123456
+RELYT_PASSWORD=difyai123456
+LINDORM_PASSWORD=admin
+LINDORM_USING_UGC=True
+LINDORM_QUERY_TIMEOUT=1
+HUAWEI_CLOUD_PASSWORD=admin
+UPSTASH_VECTOR_TOKEN=dify
+TABLESTORE_ACCESS_KEY_ID=xxx
+TABLESTORE_ACCESS_KEY_SECRET=xxx
+TABLESTORE_NORMALIZE_FULLTEXT_BM25_SCORE=false
+CLICKZETTA_PASSWORD=
+CLICKZETTA_INSTANCE=
+CLICKZETTA_SERVICE=api.clickzetta.com
+CLICKZETTA_WORKSPACE=quick_start
+CLICKZETTA_VCLUSTER=default_ap
+CLICKZETTA_SCHEMA=dify
+CLICKZETTA_BATCH_SIZE=100
+CLICKZETTA_ENABLE_INVERTED_INDEX=true
+CLICKZETTA_ANALYZER_TYPE=chinese
+CLICKZETTA_ANALYZER_MODE=smart
+UNSTRUCTURED_API_KEY=
+SCARF_NO_ANALYTICS=true
+PLUGIN_BASED_TOKEN_COUNTING_ENABLED=false
+NOTION_CLIENT_SECRET=
+NOTION_CLIENT_ID=
+NOTION_INTERNAL_SECRET=
+MAIL_TYPE=resend
+MAIL_DEFAULT_SEND_FROM=
+RESEND_API_KEY=your-resend-api-key
+SMTP_SERVER=
+SMTP_PORT=465
+SMTP_USERNAME=
+SMTP_PASSWORD=
+SMTP_USE_TLS=true
+SMTP_OPPORTUNISTIC_TLS=false
+SMTP_LOCAL_HOSTNAME=
+SENDGRID_API_KEY=
+INVITE_EXPIRY_HOURS=72
+RESET_PASSWORD_TOKEN_EXPIRY_MINUTES=5
+EMAIL_REGISTER_TOKEN_EXPIRY_MINUTES=5
+CHANGE_EMAIL_TOKEN_EXPIRY_MINUTES=5
+OWNER_TRANSFER_TOKEN_EXPIRY_MINUTES=5
+CODE_EXECUTION_ENDPOINT=http://sandbox:8194
+CODE_EXECUTION_API_KEY=dify-sandbox
+CODE_EXECUTION_SSL_VERIFY=True
+CODE_EXECUTION_POOL_MAX_CONNECTIONS=100
+CODE_EXECUTION_POOL_MAX_KEEPALIVE_CONNECTIONS=20
+CODE_EXECUTION_POOL_KEEPALIVE_EXPIRY=5.0
+CODE_MAX_NUMBER=9223372036854775807
+CODE_MIN_NUMBER=-9223372036854775808
+CODE_MAX_DEPTH=5
+CODE_MAX_PRECISION=20
+CODE_MAX_STRING_LENGTH=400000
+CODE_MAX_STRING_ARRAY_LENGTH=30
+CODE_MAX_OBJECT_ARRAY_LENGTH=30
+CODE_MAX_NUMBER_ARRAY_LENGTH=1000
+CODE_EXECUTION_CONNECT_TIMEOUT=10
+CODE_EXECUTION_READ_TIMEOUT=60
+CODE_EXECUTION_WRITE_TIMEOUT=10
+TEMPLATE_TRANSFORM_MAX_LENGTH=400000
+WORKFLOW_MAX_EXECUTION_STEPS=500
+WORKFLOW_MAX_EXECUTION_TIME=1200
+WORKFLOW_CALL_MAX_DEPTH=5
+MAX_VARIABLE_SIZE=204800
+WORKFLOW_FILE_UPLOAD_LIMIT=10
+GRAPH_ENGINE_MIN_WORKERS=3
+GRAPH_ENGINE_MAX_WORKERS=10
+GRAPH_ENGINE_SCALE_UP_THRESHOLD=3
+GRAPH_ENGINE_SCALE_DOWN_IDLE_TIME=5.0
+ALIYUN_SLS_ACCESS_KEY_ID=
+ALIYUN_SLS_ACCESS_KEY_SECRET=
+WEBHOOK_REQUEST_BODY_MAX_SIZE=10485760
+RESPECT_XFORWARD_HEADERS_ENABLED=false
+SSRF_HTTP_PORT=3128
+SSRF_COREDUMP_DIR=/var/spool/squid
+SSRF_REVERSE_PROXY_PORT=8194
+SSRF_SANDBOX_HOST=sandbox
+SSRF_DEFAULT_TIME_OUT=5
+SSRF_DEFAULT_CONNECT_TIME_OUT=5
+SSRF_DEFAULT_READ_TIME_OUT=5
+SSRF_DEFAULT_WRITE_TIME_OUT=5
+SSRF_POOL_MAX_CONNECTIONS=100
+SSRF_POOL_MAX_KEEPALIVE_CONNECTIONS=20
+SSRF_POOL_KEEPALIVE_EXPIRY=5.0
+PLUGIN_AWS_ACCESS_KEY=
+PLUGIN_AWS_SECRET_KEY=
+PLUGIN_AWS_REGION=
+PLUGIN_TENCENT_COS_SECRET_KEY=
+PLUGIN_TENCENT_COS_SECRET_ID=
+PLUGIN_ALIYUN_OSS_ACCESS_KEY_ID=
+PLUGIN_ALIYUN_OSS_ACCESS_KEY_SECRET=
+PLUGIN_VOLCENGINE_TOS_ACCESS_KEY=
+PLUGIN_VOLCENGINE_TOS_SECRET_KEY=
+OTLP_API_KEY=
+OTEL_EXPORTER_OTLP_PROTOCOL=
+OTEL_EXPORTER_TYPE=otlp
+OTEL_SAMPLING_RATE=0.1
+OTEL_BATCH_EXPORT_SCHEDULE_DELAY=5000
+OTEL_MAX_QUEUE_SIZE=2048
+OTEL_MAX_EXPORT_BATCH_SIZE=512
+OTEL_METRIC_EXPORT_INTERVAL=60000
+OTEL_BATCH_EXPORT_TIMEOUT=10000
+OTEL_METRIC_EXPORT_TIMEOUT=30000
+QUEUE_MONITOR_THRESHOLD=200
+QUEUE_MONITOR_ALERT_EMAILS=
+QUEUE_MONITOR_INTERVAL=30
+SWAGGER_UI_ENABLED=false
+SWAGGER_UI_PATH=/swagger-ui.html
+OPENAPI_ENABLED=false
+OPENAPI_CORS_ALLOW_ORIGINS=
+OPENAPI_KNOWN_CLIENT_IDS=difyctl
+OPENAPI_RATE_LIMIT_PER_TOKEN=60
+DEVICE_FLOW_APPROVE_RATE_LIMIT_PER_HOUR=10
+ENABLE_OAUTH_BEARER=false
+DSL_EXPORT_ENCRYPT_DATASET_ID=true
+DATASET_MAX_SEGMENTS_PER_REQUEST=0
+ENABLE_CLEAN_EMBEDDING_CACHE_TASK=false
+ENABLE_CLEAN_UNUSED_DATASETS_TASK=false
+ENABLE_CREATE_TIDB_SERVERLESS_TASK=false
+ENABLE_UPDATE_TIDB_SERVERLESS_STATUS_TASK=false
+ENABLE_CLEAN_MESSAGES=false
+ENABLE_WORKFLOW_RUN_CLEANUP_TASK=false
+ENABLE_MAIL_CLEAN_DOCUMENT_NOTIFY_TASK=false
+ENABLE_DATASETS_QUEUE_MONITOR=false
+ENABLE_CHECK_UPGRADABLE_PLUGIN_TASK=true
+ENABLE_WORKFLOW_SCHEDULE_POLLER_TASK=true
+WORKFLOW_SCHEDULE_POLLER_INTERVAL=1
+WORKFLOW_SCHEDULE_POLLER_BATCH_SIZE=100
+WORKFLOW_SCHEDULE_MAX_DISPATCH_PER_TICK=0
+TENANT_ISOLATED_TASK_CONCURRENCY=1
+ANNOTATION_IMPORT_FILE_SIZE_LIMIT=2
+ANNOTATION_IMPORT_MAX_RECORDS=10000
+ANNOTATION_IMPORT_MIN_RECORDS=1
+ANNOTATION_IMPORT_RATE_LIMIT_PER_MINUTE=5
+ANNOTATION_IMPORT_RATE_LIMIT_PER_HOUR=20
+ANNOTATION_IMPORT_MAX_CONCURRENT=5
+CREATORS_PLATFORM_FEATURES_ENABLED=true
+CREATORS_PLATFORM_API_URL=https://creators.dify.ai
+CREATORS_PLATFORM_OAUTH_CLIENT_ID=
+TIDB_VECTOR_DATABASE=dify
+ALIBABACLOUD_MYSQL_HOST=127.0.0.1
+ALIBABACLOUD_MYSQL_PORT=3306
+ALIBABACLOUD_MYSQL_USER=root
+ALIBABACLOUD_MYSQL_DATABASE=dify
+ALIBABACLOUD_MYSQL_MAX_CONNECTION=5
+ALIBABACLOUD_MYSQL_HNSW_M=6
+RELYT_DATABASE=postgres
+TENCENT_VECTOR_DB_DATABASE=dify
+BAIDU_VECTOR_DB_DATABASE=dify
+EXPOSE_PLUGIN_DAEMON_PORT=5002
+GUNICORN_TIMEOUT=360
+CELERY_WORKER_AMOUNT=
+CELERY_AUTO_SCALE=false
+CELERY_MAX_WORKERS=
+CELERY_MIN_WORKERS=
+API_TOOL_DEFAULT_CONNECT_TIMEOUT=10
+API_TOOL_DEFAULT_READ_TIMEOUT=60
+CELERY_BACKEND=redis
+CELERY_USE_SENTINEL=false
+CELERY_SENTINEL_MASTER_NAME=
+CELERY_SENTINEL_SOCKET_TIMEOUT=0.1
+WEB_API_CORS_ALLOW_ORIGINS=*
+CONSOLE_CORS_ALLOW_ORIGINS=*
+COOKIE_DOMAIN=
+OPENDAL_SCHEME=fs
+OPENDAL_FS_ROOT=storage
+CLICKZETTA_VOLUME_TYPE=user
+CLICKZETTA_VOLUME_NAME=
+CLICKZETTA_VOLUME_TABLE_PREFIX=dataset_
+CLICKZETTA_VOLUME_DIFY_PREFIX=dify_km
+S3_ENDPOINT=
+S3_REGION=us-east-1
+S3_BUCKET_NAME=difyai
+S3_ADDRESS_STYLE=auto
+S3_USE_AWS_MANAGED_IAM=false
+ARCHIVE_STORAGE_ENABLED=false
+ARCHIVE_STORAGE_ENDPOINT=
+ARCHIVE_STORAGE_ARCHIVE_BUCKET=
+ARCHIVE_STORAGE_EXPORT_BUCKET=
+ARCHIVE_STORAGE_REGION=auto
+AZURE_BLOB_ACCOUNT_NAME=difyai
+AZURE_BLOB_CONTAINER_NAME=difyai-container
+GOOGLE_STORAGE_BUCKET_NAME=your-bucket-name
+GOOGLE_STORAGE_SERVICE_ACCOUNT_JSON_BASE64=
+ALIYUN_OSS_BUCKET_NAME=your-bucket-name
+ALIYUN_OSS_ENDPOINT=https://oss-ap-southeast-1-internal.aliyuncs.com
+ALIYUN_OSS_REGION=ap-southeast-1
+ALIYUN_OSS_AUTH_VERSION=v4
+ALIYUN_OSS_PATH=your-path
+ALIYUN_CLOUDBOX_ID=your-cloudbox-id
+TENCENT_COS_BUCKET_NAME=your-bucket-name
+TENCENT_COS_REGION=your-region
+TENCENT_COS_SCHEME=your-scheme
+TENCENT_COS_CUSTOM_DOMAIN=your-custom-domain
+OCI_ENDPOINT=https://your-object-storage-namespace.compat.objectstorage.us-ashburn-1.oraclecloud.com
+OCI_BUCKET_NAME=your-bucket-name
+OCI_REGION=us-ashburn-1
+HUAWEI_OBS_BUCKET_NAME=your-bucket-name
+HUAWEI_OBS_SERVER=your-server-url
+HUAWEI_OBS_PATH_STYLE=false
+VOLCENGINE_TOS_BUCKET_NAME=your-bucket-name
+VOLCENGINE_TOS_ENDPOINT=your-server-url
+VOLCENGINE_TOS_REGION=your-region
+BAIDU_OBS_BUCKET_NAME=your-bucket-name
+BAIDU_OBS_ENDPOINT=your-server-url
+SUPABASE_BUCKET_NAME=your-bucket-name
+TENCENT_VECTOR_DB_TIMEOUT=30
+TENCENT_VECTOR_DB_USERNAME=dify
+TENCENT_VECTOR_DB_SHARD=1
+TENCENT_VECTOR_DB_REPLICAS=2
+TENCENT_VECTOR_DB_ENABLE_HYBRID_SEARCH=false
+BAIDU_VECTOR_DB_ENDPOINT=http://127.0.0.1:5287
+BAIDU_VECTOR_DB_CONNECTION_TIMEOUT_MS=30000
+BAIDU_VECTOR_DB_ACCOUNT=root
+BAIDU_VECTOR_DB_API_KEY=dify
+BAIDU_VECTOR_DB_SHARD=1
+BAIDU_VECTOR_DB_REPLICAS=3
+BAIDU_VECTOR_DB_INVERTED_INDEX_ANALYZER=DEFAULT_ANALYZER
+BAIDU_VECTOR_DB_INVERTED_INDEX_PARSER_MODE=COARSE_MODE
+BAIDU_VECTOR_DB_AUTO_BUILD_ROW_COUNT_INCREMENT=500
+BAIDU_VECTOR_DB_AUTO_BUILD_ROW_COUNT_INCREMENT_RATIO=0.05
+BAIDU_VECTOR_DB_REBUILD_INDEX_TIMEOUT_IN_SECONDS=300
+HUAWEI_CLOUD_HOSTS=https://127.0.0.1:9200
+HUAWEI_CLOUD_USER=admin
+WORKFLOW_NODE_EXECUTION_STORAGE=rdbms
+CORE_WORKFLOW_EXECUTION_REPOSITORY=core.repositories.sqlalchemy_workflow_execution_repository.SQLAlchemyWorkflowExecutionRepository
+CORE_WORKFLOW_NODE_EXECUTION_REPOSITORY=core.repositories.sqlalchemy_workflow_node_execution_repository.SQLAlchemyWorkflowNodeExecutionRepository
+API_WORKFLOW_RUN_REPOSITORY=repositories.sqlalchemy_api_workflow_run_repository.DifyAPISQLAlchemyWorkflowRunRepository
+API_WORKFLOW_NODE_EXECUTION_REPOSITORY=repositories.sqlalchemy_api_workflow_node_execution_repository.DifyAPISQLAlchemyWorkflowNodeExecutionRepository
+ALIYUN_SLS_ENDPOINT=
+ALIYUN_SLS_REGION=
+ALIYUN_SLS_PROJECT_NAME=
+ALIYUN_SLS_LOGSTORE_TTL=365
+LOGSTORE_DUAL_WRITE_ENABLED=false
+LOGSTORE_DUAL_READ_ENABLED=true
+LOGSTORE_ENABLE_PUT_GRAPH_FIELD=true
+HTTP_REQUEST_NODE_MAX_BINARY_SIZE=10485760
+HTTP_REQUEST_NODE_MAX_TEXT_SIZE=1048576
+HTTP_REQUEST_NODE_SSL_VERIFY=True
+HTTP_REQUEST_MAX_CONNECT_TIMEOUT=10
+HTTP_REQUEST_MAX_READ_TIMEOUT=600
+HTTP_REQUEST_MAX_WRITE_TIMEOUT=600
+PLUGIN_INSTALLED_PATH=plugin
+PLUGIN_PACKAGE_CACHE_PATH=plugin_packages
+PLUGIN_MEDIA_CACHE_PATH=assets
+PLUGIN_S3_USE_AWS=false
+PLUGIN_S3_USE_AWS_MANAGED_IAM=false
+PLUGIN_S3_ENDPOINT=
+PLUGIN_S3_USE_PATH_STYLE=false
+PLUGIN_AZURE_BLOB_STORAGE_CONTAINER_NAME=
+PLUGIN_AZURE_BLOB_STORAGE_CONNECTION_STRING=
+PLUGIN_TENCENT_COS_REGION=
+PLUGIN_ALIYUN_OSS_REGION=
+PLUGIN_ALIYUN_OSS_ENDPOINT=
+PLUGIN_ALIYUN_OSS_AUTH_VERSION=v4
+PLUGIN_ALIYUN_OSS_PATH=
+PLUGIN_VOLCENGINE_TOS_ENDPOINT=
+PLUGIN_VOLCENGINE_TOS_REGION=
+ENABLE_OTEL=false
+OTLP_TRACE_ENDPOINT=
+OTLP_METRIC_ENDPOINT=
+# Prefix used to create collection name in vector database
+OTLP_BASE_ENDPOINT=http://localhost:4318
+WEAVIATE_GRPC_ENDPOINT=grpc://weaviate:50051
+ANALYTICDB_KEY_ID=your-ak
+ANALYTICDB_KEY_SECRET=your-sk
+ANALYTICDB_REGION_ID=cn-hangzhou
+ANALYTICDB_INSTANCE_ID=gp-ab123456
+ANALYTICDB_ACCOUNT=testaccount
+ANALYTICDB_PASSWORD=testpassword
+ANALYTICDB_NAMESPACE=dify
+ANALYTICDB_NAMESPACE_PASSWORD=difypassword
+ANALYTICDB_HOST=gp-test.aliyuncs.com
+ANALYTICDB_PORT=5432
+ANALYTICDB_MIN_CONNECTION=1
+ANALYTICDB_MAX_CONNECTION=5
+TIDB_VECTOR_HOST=tidb
+TIDB_VECTOR_PORT=4000
+TIDB_VECTOR_USER=
+TIDB_VECTOR_PASSWORD=
+TIDB_ON_QDRANT_CLIENT_TIMEOUT=20
+TIDB_ON_QDRANT_GRPC_ENABLED=false
+TIDB_ON_QDRANT_GRPC_PORT=6334
+TIDB_PUBLIC_KEY=dify
+TIDB_PRIVATE_KEY=dify
+RELYT_HOST=db
+RELYT_PORT=5432
+RELYT_USER=postgres
+VIKINGDB_ACCESS_KEY=your-ak
+VIKINGDB_SECRET_KEY=your-sk
+VIKINGDB_REGION=cn-shanghai
+VIKINGDB_HOST=api-vikingdb.xxx.volces.com
+VIKINGDB_SCHEME=http
+VIKINGDB_CONNECTION_TIMEOUT=30
+VIKINGDB_SOCKET_TIMEOUT=30
+TABLESTORE_ENDPOINT=https://instance-name.cn-hangzhou.ots.aliyuncs.com
+TABLESTORE_INSTANCE_NAME=instance-name
+CLICKZETTA_USERNAME=
+CLICKZETTA_VECTOR_DISTANCE_FUNCTION=cosine_distance
+COMPOSE_PROFILES=${VECTOR_STORE:-weaviate},${DB_TYPE:-postgresql},collaboration
+EXPOSE_NGINX_PORT=80
+EXPOSE_NGINX_SSL_PORT=443
+POSITION_TOOL_PINS=
+POSITION_TOOL_INCLUDES=
+POSITION_TOOL_EXCLUDES=
+POSITION_PROVIDER_PINS=
+POSITION_PROVIDER_INCLUDES=
+POSITION_PROVIDER_EXCLUDES=
+CREATE_TIDB_SERVICE_JOB_ENABLED=false
+MAX_SUBMIT_COUNT=100
+
+# Vector Store Configuration
+STORAGE_TYPE=opendal
+VECTOR_STORE=weaviate
+VECTOR_INDEX_NAME_PREFIX=Vector_index
+WEAVIATE_ENDPOINT=http://weaviate:8080
+WEAVIATE_API_KEY=WVF5YThaHlkYwhGUSmCRgsX3tD5ngdN8pkih
+WEAVIATE_TOKENIZATION=word
+OCEANBASE_VECTOR_HOST=oceanbase
+OCEANBASE_VECTOR_PORT=2881
+OCEANBASE_VECTOR_USER=root@test
+OCEANBASE_VECTOR_PASSWORD=difyai123456
+OCEANBASE_VECTOR_DATABASE=test
+OCEANBASE_ENABLE_HYBRID_SEARCH=false
+OCEANBASE_FULLTEXT_PARSER=ik
+SEEKDB_MEMORY_LIMIT=2G
+QDRANT_URL=http://qdrant:6333
+QDRANT_API_KEY=difyai123456
+QDRANT_CLIENT_TIMEOUT=20
+QDRANT_GRPC_ENABLED=false
+QDRANT_GRPC_PORT=6334
+QDRANT_REPLICATION_FACTOR=1
+MILVUS_URI=http://host.docker.internal:19530
+MILVUS_TOKEN=
+MILVUS_USER=
+MILVUS_PASSWORD=
+MILVUS_ANALYZER_PARAMS=
+PGVECTOR_HOST=pgvector
+PGVECTOR_PORT=5432
+PGVECTOR_USER=postgres
+PGVECTOR_PASSWORD=difyai123456
+PGVECTOR_DATABASE=dify
+PGVECTOR_MIN_CONNECTION=1
+PGVECTOR_MAX_CONNECTION=5
+PGVECTOR_PG_BIGM=false
+PGVECTOR_PG_BIGM_VERSION=1.2-20240606
+
+# Hologres Configuration
+HOLOGRES_HOST=
+HOLOGRES_PORT=80
+HOLOGRES_DATABASE=
+HOLOGRES_ACCESS_KEY_ID=
+HOLOGRES_ACCESS_KEY_SECRET=
+HOLOGRES_SCHEMA=public
+HOLOGRES_TOKENIZER=jieba
+HOLOGRES_DISTANCE_METHOD=Cosine
+HOLOGRES_BASE_QUANTIZATION_TYPE=rabitq
+HOLOGRES_MAX_DEGREE=64
+HOLOGRES_EF_CONSTRUCTION=400
+
+# Milvus API Configuration
+MILVUS_DATABASE=
+MILVUS_ENABLE_HYBRID_SEARCH=False
+
+# Human Input Task Configuration
+ENABLE_HUMAN_INPUT_TIMEOUT_TASK=true
+HUMAN_INPUT_TIMEOUT_TASK_INTERVAL=1
+
+# uv cache dir
+UV_CACHE_DIR=/tmp/uv_cache
@@ -0,0 +1,42 @@
+#!/bin/bash
+
+HTTPS_CONFIG=''
+
+if [ "${NGINX_HTTPS_ENABLED}" = "true" ]; then
+    # Check if the certificate and key files for the specified domain exist
+    if [ -n "${CERTBOT_DOMAIN}" ] && \
+       [ -f "/etc/letsencrypt/live/${CERTBOT_DOMAIN}/${NGINX_SSL_CERT_FILENAME}" ] && \
+       [ -f "/etc/letsencrypt/live/${CERTBOT_DOMAIN}/${NGINX_SSL_CERT_KEY_FILENAME}" ]; then
+        SSL_CERTIFICATE_PATH="/etc/letsencrypt/live/${CERTBOT_DOMAIN}/${NGINX_SSL_CERT_FILENAME}"
+        SSL_CERTIFICATE_KEY_PATH="/etc/letsencrypt/live/${CERTBOT_DOMAIN}/${NGINX_SSL_CERT_KEY_FILENAME}"
+    else
+        SSL_CERTIFICATE_PATH="/etc/ssl/${NGINX_SSL_CERT_FILENAME}"
+        SSL_CERTIFICATE_KEY_PATH="/etc/ssl/${NGINX_SSL_CERT_KEY_FILENAME}"
+    fi
+    export SSL_CERTIFICATE_PATH
+    export SSL_CERTIFICATE_KEY_PATH
+
+    # set the HTTPS_CONFIG environment variable to the content of the https.conf.template
+    HTTPS_CONFIG=$(envsubst < /etc/nginx/https.conf.template)
+    export HTTPS_CONFIG
+    # Substitute the HTTPS_CONFIG in the default.conf.template with content from https.conf.template
+    envsubst '${HTTPS_CONFIG}' < /etc/nginx/conf.d/default.conf.template > /etc/nginx/conf.d/default.conf
+fi
+export HTTPS_CONFIG
+
+if [ "${NGINX_ENABLE_CERTBOT_CHALLENGE}" = "true" ]; then
+    ACME_CHALLENGE_LOCATION='location /.well-known/acme-challenge/ { root /var/www/html; }'
+else
+    ACME_CHALLENGE_LOCATION=''
+fi
+export ACME_CHALLENGE_LOCATION
+
+env_vars=$(printenv | cut -d= -f1 | sed 's/^/$/g' | paste -sd, -)
+
+envsubst "$env_vars" < /etc/nginx/nginx.conf.template > /etc/nginx/nginx.conf
+envsubst "$env_vars" < /etc/nginx/proxy.conf.template > /etc/nginx/proxy.conf
+
+envsubst "$env_vars" < /etc/nginx/conf.d/default.conf.template > /etc/nginx/conf.d/default.conf
+
+# Start Nginx using the default entrypoint
+exec nginx -g 'daemon off;'
@@ -0,0 +1,42 @@
+#!/bin/bash
+
+# Modified based on Squid OCI image entrypoint
+
+# This entrypoint aims to forward the squid logs to stdout to assist users of
+# common container related tooling (e.g., kubernetes, docker-compose, etc) to
+# access the service logs.
+
+# Moreover, it invokes the squid binary, leaving all the desired parameters to
+# be provided by the "command" passed to the spawned container. If no command
+# is provided by the user, the default behavior (as per the CMD statement in
+# the Dockerfile) will be to use Ubuntu's default configuration [1] and run
+# squid with the "-NYC" options to mimic the behavior of the Ubuntu provided
+# systemd unit.
+
+# [1] The default configuration is changed in the Dockerfile to allow local
+# network connections. See the Dockerfile for further information.
+
+echo "[ENTRYPOINT] re-create snakeoil self-signed certificate removed in the build process"
+if [ ! -f /etc/ssl/private/ssl-cert-snakeoil.key ]; then
+    /usr/sbin/make-ssl-cert generate-default-snakeoil --force-overwrite > /dev/null 2>&1
+fi
+
+tail -F /var/log/squid/access.log 2>/dev/null &
+tail -F /var/log/squid/error.log 2>/dev/null &
+tail -F /var/log/squid/store.log 2>/dev/null &
+tail -F /var/log/squid/cache.log 2>/dev/null &
+
+# Replace environment variables in the template and output to the squid.conf
+echo "[ENTRYPOINT] replacing environment variables in the template"
+awk '{
+    while(match($0, /\${[A-Za-z_][A-Za-z_0-9]*}/)) {
+        var = substr($0, RSTART+2, RLENGTH-3)
+        val = ENVIRON[var]
+        $0 = substr($0, 1, RSTART-1) val substr($0, RSTART+RLENGTH)
+    }
+    print
+}' /etc/squid/squid.conf.template > /etc/squid/squid.conf
+
+/usr/sbin/squid -Nz
+echo "[ENTRYPOINT] starting squid"
+/usr/sbin/squid -f /etc/squid/squid.conf -NYC 1
@@ -0,0 +1,114 @@
+# ============================================================
+# Spring AI Alibaba 全功能平台 — 中间件 Docker Compose
+# 用途：本地内网一键部署 Nacos + PostgreSQL + MinIO
+# 使用：docker compose up -d
+# ============================================================
+
+name: agent-platform
+
+services:
+  # ==========================================
+  # 1. PostgreSQL 16 + pgvector
+  # ==========================================
+  postgres:
+    image: pgvector/pgvector:pg16
+    container_name: sa-pg
+    restart: unless-stopped
+    environment:
+      POSTGRES_DB: spring_ai_agent
+      POSTGRES_USER: sa_agent
+      POSTGRES_PASSWORD: agent_2026
+      PGDATA: /var/lib/postgresql/data/pgdata
+    ports:
+      - "5432:5432"
+    volumes:
+      - pg_data:/var/lib/postgresql/data
+    healthcheck:
+      test: ["CMD-SHELL", "pg_isready -U sa_agent -d spring_ai_agent"]
+      interval: 10s
+      timeout: 5s
+      retries: 5
+    networks:
+      - sa-network
+
+  # ==========================================
+  # 2. Nacos 3.x — 服务注册 + 配置中心
+  # ==========================================
+  nacos:
+    image: nacos/nacos-server:v2.5.1
+    container_name: sa-nacos
+    restart: unless-stopped
+    depends_on:
+      postgres:
+        condition: service_healthy
+    environment:
+      # Standalone 模式（内网小团队无需集群）
+      MODE: standalone
+      # JVM 内存限制（WSL2 15GB 环境）
+      JVM_XMS: 256m
+      JVM_XMX: 512m
+      JVM_XMN: 128m
+    ports:
+      - "8848:8848"   # HTTP 控制台 + API
+      - "9848:9848"   # gRPC（MCP 注册发现）
+    volumes:
+      - nacos_data:/home/nacos/data
+    networks:
+      - sa-network
+
+  # ==========================================
+  # 3. MinIO — S3 兼容对象存储
+  # ==========================================
+  minio:
+    image: minio/minio:latest
+    container_name: sa-minio
+    restart: unless-stopped
+    command: server /data --console-address ":9001"
+    environment:
+      MINIO_ROOT_USER: minioadmin
+      MINIO_ROOT_PASSWORD: minioadmin
+    ports:
+      - "9000:9000"   # S3 API
+      - "9001:9001"   # Web 控制台
+    volumes:
+      - minio_data:/data
+    healthcheck:
+      test: ["CMD", "curl", "-f", "http://localhost:9000/minio/health/live"]
+      interval: 10s
+      timeout: 5s
+      retries: 5
+    networks:
+      - sa-network
+
+  # ==========================================
+  # 4. MinIO 初始化 — 自动创建 Bucket
+  # ==========================================
+  minio-init:
+    image: minio/mc:latest
+    container_name: sa-minio-init
+    depends_on:
+      minio:
+        condition: service_healthy
+    entrypoint: >
+      /bin/sh -c "
+      mc alias set local http://minio:9000 minioadmin minioadmin;
+      mc mb --ignore-existing local/sa-agent-memory;
+      mc mb --ignore-existing local/sa-agent-datasets;
+      mc mb --ignore-existing local/sa-agent-skills;
+      echo 'MinIO buckets created successfully';
+      "
+    networks:
+      - sa-network
+
+volumes:
+  pg_data:
+    name: sa_pg_data
+  nacos_data:
+    name: sa_nacos_data
+  minio_data:
+    name: sa_minio_data
+
+networks:
+  sa-network:
+    name: sa-network
+    driver: bridge
@@ -0,0 +1,63 @@
+#!/bin/bash
+# ============================================================
+# Spring AI Alibaba 全功能平台 — 健康检查脚本
+# 用法：bash health-check.sh
+# ============================================================
+set -e
+
+GREEN='\033[0;32m'; RED='\033[0;31m'; YELLOW='\033[1;33m'; NC='\033[0m'
+pass() { echo -e "  ${GREEN}✅ OK${NC}  $1"; }
+fail() { echo -e "  ${RED}❌ FAIL${NC} $1"; }
+
+echo "=============================================="
+echo " Spring AI Alibaba 全平台健康检查"
+echo " $(date '+%Y-%m-%d %H:%M:%S')"
+echo "=============================================="
+echo ""
+
+# ---- 中间件 ----
+echo "[中间件层]"
+psql -h localhost -U sa_agent -d spring_ai_agent -c "SELECT 1" >/dev/null 2>&1 \
+    && pass "PostgreSQL (5432)" || fail "PostgreSQL (5432)"
+
+curl -s http://localhost:8848/nacos/v1/console/health/readiness >/dev/null 2>&1 \
+    && pass "Nacos (8848)" || fail "Nacos (8848)"
+
+curl -s http://localhost:9000/minio/health/live >/dev/null 2>&1 \
+    && pass "MinIO (9000)" || fail "MinIO (9000)"
+
+echo ""
+
+# ---- 应用 ----
+echo "[应用层]"
+curl -s http://localhost:8080/actuator/health >/dev/null 2>&1 \
+    && pass "Agent Platform (8080)" || fail "Agent Platform (8080)"
+
+HTTP_CODE=$(curl -s -o /dev/null -w "%{http_code}" http://localhost:8080/chatui/index.html 2>/dev/null || echo "000")
+if [ "$HTTP_CODE" = "200" ]; then
+    pass "Admin Studio (/chatui)"
+else
+    fail "Admin Studio (/chatui) — HTTP $HTTP_CODE"
+fi
+
+echo ""
+
+# ---- 外网模型 ----
+echo "[模型层]"
+if [ -z "$DASHSCOPE_API_KEY" ]; then
+    fail "DashScope API Key 未设置"
+else
+    HTTP_CODE=$(curl -s -o /dev/null -w "%{http_code}" \
+        -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
+        "https://dashscope.aliyuncs.com/api/v1/models" 2>/dev/null || echo "000")
+    if [ "$HTTP_CODE" = "200" ]; then
+        pass "DashScope API (阿里云百炼)"
+    else
+        fail "DashScope API — HTTP $HTTP_CODE"
+    fi
+fi
+
+echo ""
+echo "=============================================="
+echo " 健康检查完成。"
+echo "=============================================="
@@ -0,0 +1,111 @@
+#!/bin/bash
+# ============================================================
+# Spring AI Alibaba 全功能平台 — 一键启动脚本
+# 环境：WSL2 Debian · 本地内网
+# 用法：bash start.sh
+# ============================================================
+set -e
+
+RED='\033[0;31m'; GREEN='\033[0;32m'; YELLOW='\033[1;33m'; BLUE='\033[0;34m'; NC='\033[0m'
+log()  { echo -e "${BLUE}[INFO]${NC} $1"; }
+ok()   { echo -e "${GREEN}[OK]${NC} $1"; }
+warn() { echo -e "${YELLOW}[WARN]${NC} $1"; }
+err()  { echo -e "${RED}[ERR]${NC} $1"; }
+
+echo "=============================================="
+echo " Spring AI Alibaba 全功能平台 — 启动脚本"
+echo "=============================================="
+echo ""
+
+# ---- 1. 环境检查 ----
+log "Step 1/5: 检查运行环境..."
+
+if ! command -v docker &>/dev/null; then
+    err "Docker 未安装。请先执行 Docker 安装步骤。"
+    echo "  参考: https://docs.docker.com/engine/install/debian/"
+    exit 1
+fi
+ok "Docker $(docker --version | awk '{print $3}' | tr -d ',')"
+
+if ! docker compose version &>/dev/null; then
+    err "Docker Compose 未安装。"
+    exit 1
+fi
+ok "Docker Compose 已就绪"
+
+if ! command -v java &>/dev/null; then
+    err "Java 未安装。需要 JDK 17+。"
+    exit 1
+fi
+ok "Java $(java -version 2>&1 | head -1 | awk -F'"' '{print $2}')"
+
+# ---- 2. 检查端口占用 ----
+log "Step 2/5: 检查端口占用..."
+PORTS=(5432 8848 9848 9000 9001 8080)
+OCCUPIED=""
+for p in "${PORTS[@]}"; do
+    if ss -tlnp | grep -q ":$p "; then
+        OCCUPIED="$OCCUPIED $p"
+    fi
+done
+if [ -n "$OCCUPIED" ]; then
+    warn "以下端口已被占用:$OCCUPIED"
+    echo "  请先释放这些端口，或修改 docker-compose.yml 中的端口映射。"
+    echo "  查看占用进程: ss -tlnp | grep -E ':(5432|8848|9000|9001|8080) '"
+    read -p "是否继续? [y/N] " -n 1 -r; echo
+    [[ ! $REPLY =~ ^[Yy]$ ]] && exit 1
+else
+    ok "所有端口空闲"
+fi
+
+# ---- 3. 启动中间件 ----
+log "Step 3/5: 启动中间件 (PostgreSQL + Nacos + MinIO)..."
+SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
+cd "$SCRIPT_DIR"
+docker compose up -d
+
+echo "  等待 PostgreSQL 就绪..."
+until docker compose exec -T postgres pg_isready -U sa_agent &>/dev/null; do sleep 1; done
+ok "PostgreSQL 就绪 (5432)"
+
+echo "  等待 Nacos 就绪..."
+until curl -s http://localhost:8848/nacos/v1/console/health/readiness &>/dev/null; do sleep 1; done
+ok "Nacos 就绪 (8848)"
+ok "  Nacos 控制台: http://localhost:8848/nacos  (nacos/nacos)"
+
+echo "  等待 MinIO 就绪..."
+until curl -s http://localhost:9000/minio/health/live &>/dev/null; do sleep 1; done
+ok "MinIO 就绪 (9000)"
+ok "  MinIO 控制台: http://localhost:9001  (minioadmin/minioadmin)"
+
+# ---- 4. Nacos 命名空间初始化 ----
+log "Step 4/5: 初始化 Nacos 命名空间..."
+
+NACOS_AUTH="nacos:nacos"
+for ns in sa-agent-mcp sa-agent-config sa-agent-a2a; do
+    curl -s -X POST \
+        "http://localhost:8848/nacos/v1/console/namespaces" \
+        -u "$NACOS_AUTH" \
+        -d "customNamespaceId=$ns&namespaceName=$ns&namespaceDesc=$ns" \
+        &>/dev/null && ok "  命名空间 $ns 已创建" || warn "  命名空间 $ns 可能已存在"
+done
+
+# ---- 5. 应用构建提示 ----
+log "Step 5/5: 应用构建..."
+echo ""
+echo "  中间件已全部就绪！接下来需要构建 Spring AI Alibaba 应用："
+echo ""
+echo "  cd spring-ai-alibaba-platform"
+echo "  export DASHSCOPE_API_KEY=sk-your-key-here"
+echo "  mvn spring-boot:run"
+echo ""
+echo "  启动后访问: http://localhost:8080/chatui"
+echo ""
+echo "=============================================="
+echo "  服务状态一览"
+echo "=============================================="
+echo "  PostgreSQL  : localhost:5432   (sa_agent / agent_2026)"
+echo "  Nacos       : localhost:8848   (nacos / nacos)"
+echo "  MinIO       : localhost:9001   (minioadmin / minioadmin)"
+echo "  Agent平台   : localhost:8080   启动后可用"
+echo "=============================================="
@@ -71,6 +71,7 @@
 <div class="container">

 <div class="header">
+    <a href="../../index.html" class="back-link">← 返回知识库</a>
  <h1>需求文档 vs 系统实际功能 对比分析报告</h1>
  <p>建设方案 V1（2026年4月） + 新增需求 vs qData 系统实际功能 | 分析日期：2026-05-12</p>
 </div>
@@ -70,6 +70,8 @@
 </head>
 <body>

+<a href="../index.html" style="display:block;padding:8px 24px;color:var(--accent);text-decoration:none;font-size:13px;background:var(--card);border-bottom:1px solid var(--border);">← 返回知识库</a>
+
 <div class="hero">
  <div class="tag">深 圳 国 际 · 战 略 研 究</div>
  <h1>深国际向物流综合服务商转型<br>综合改革方案系列报告</h1>
@@ -120,6 +120,8 @@
 </head>
 <body>

+<a href="../../index.html" style="display:block;padding:8px 24px;color:var(--accent);text-decoration:none;font-size:13px;background:var(--card);border-bottom:1px solid var(--border);">← 返回知识库</a>
+
 <button class="menu-toggle" onclick="document.getElementById('sidebar').classList.toggle('open')">☰</button>

 <div class="page-wrapper">
@@ -73,6 +73,8 @@ tr:nth-child(even) td{background:#f5f7fa}
 </head>
 <body>

+<a href="../../index.html" style="display:block;padding:8px 24px;color:var(--accent);text-decoration:none;font-size:13px;background:var(--card);border-bottom:1px solid var(--border);">← 返回知识库</a>
+
 <button class="menu-toggle" onclick="document.getElementById('sidebar').classList.toggle('open')">☰</button>

 <div class="page-wrapper">
@@ -214,6 +214,8 @@
 </head>
 <body>

+<a href="../../index.html" style="display:block;padding:8px 24px;color:var(--accent);text-decoration:none;font-size:13px;background:var(--card);border-bottom:1px solid var(--border);">← 返回知识库</a>
+
 <button class="menu-toggle" id="menuToggle" onclick="document.getElementById('sidebar').classList.toggle('open')">☰</button>

 <div class="page-wrapper">
@@ -178,6 +178,7 @@ code {

 <header class="header-bar">
  <div class="brand">
+    <a href="../../index.html" class="back-link">← 返回知识库</a>
    <h1>金鹿商城电商小程序 — 需求分析与差异对比报告</h1>
    <span class="tagline">基于 CRMEB 现有功能的增量开发评估</span>
  </div>