现在agent开发的主流技术栈是：fastAPI写后端接口，next.js写前端UI，Langraph为编排框架，Langchain作为RAG组件库，milvus作为向量数据库，postgreSQL作为关系型数据库，MCP作为工具调用协议。

为了提高向量的检索效率，向量数据库中还会存储元数据。在进行向量相似度的匹配之前，首先通过元数据筛选，缩小匹配范围，提升检索速度。

python的类继承是通过“（父类）”来实现的，在括号中写明要继承的类。

目标，先做一个自己的agent，跑起来，然后再做一个检测web，再往多agent靠。

稀疏向量与稠密向量，稀疏向量中的绝大多数值都是0，并且向量中的每个值与词存在对应关系；而稠密向量中绝大多数的值都是非0（小数），一般用来“词汇”精确查询，但是没有语义识别能力，不能判断同义词；稠密向量中的值大部分没有意义，它只能整体来看其在向量空间的位置与哪些向量靠的距离比较近（一般语义相似），因此可以进行语义识别，但是不能精确识别。在实际的运行中一般结合这两种方式，即混合检索。

RAG流程分两步，离线将文档切块、嵌入、建索引存入向量库；在线将用户问题向量化后检索相关片段，连同问题一起交给LLM生成答案。