数据科学与 AI 应用

本域覆盖数据分析与 AI 应用开发：Pandas/NumPy 实战、Prompt 工程、RAG、向量数据库、Agent 框架等。与本站 ai-tools/（AI 编程工具使用）互补——ai-tools 教"怎么用工具"，本域教"怎么构建 AI 应用"。

文档

数据分析（data-analysis/）

主题	说明
Pandas 与 NumPy 实战	DataFrame/ndarray 数据模型、数据清洗、groupby、merge、向量化性能
机器学习入门	特征工程、训练/验证/测试、经典模型、过拟合与偏差方差、评估指标

LLM 应用工程（llm-app/）

主题	说明
Prompt 工程	提示词设计、Few-shot/CoT、结构化输出、生成参数、评估
RAG 架构	检索增强生成：分块、嵌入、混合检索、重排、幻觉缓解、评测
Agent 框架	工具调用、ReAct、记忆、多智能体、LangChain/LangGraph 生态
LLM 应用工程	流式、限流重试、成本与延迟优化、可观测、评测与模型选型
Jev 判别模型	System One 判别模型：Choice/Score/Noul、意图路由、合规护栏、置信度分流、工程接入与边界

向量数据库（vector-db/）

主题	说明
向量索引与检索	Embedding、相似度、ANN、HNSW/IVF、召回率与性能权衡
选型与落地	Milvus/Qdrant/pgvector 对比、容量估算、增删改、多租户

层级结构

一句话总结：数据基础→LLM 应用→基础设施三层，从"用 AI"走向"造 AI 应用"。