Day 6 ✅ 今天做了：学习第十章和第十一章的内容 ⏰ 明天计划：多模态、Super-Agent、Harness 📚 今日感悟：1：学习到了什么场景下需要使用多 Agent 来解决复杂工作流，以及如何进行性能优化、安全防护、监控、部署方案、评估与测试 2：为什么需要微调，目前微调有哪些技术，如何快速计算模型显存占用，目前常见的量化方案 GPTO、AWQ、BnB、GGuF，对齐三方法 RLHF、DPO、GRPO，微调的工程实践：工具链、流程、硬件选型，最后了解目前主流开源模型微调生态

Day 5 ✅ 今天做了：观看了LangGraph的教程视频 ⏰ 明天计划：继续文章 📚 今日感悟：更理解了LangGraph的用法

Day 4 ✅ 今天做了：看了第九章 LangGraph 内容和一些相关的视频教程 ⏰ 明天计划：继续往下走 📚 今日感悟：之前的LangChain 和 LangChain4j 是使用链式进行调用，而LangGraph 和 LangGraph4j 是使用图的方式进行调用，当我们需要复杂编排的场景时候如：人工审核、循环、并行，LangGraph 和 LangGraph4j 就可以很好的解决这些问题，能让复杂的工作流变得可控、可视化、可调试。

Day 3 ✅ 今天做了：今天学习了第七章和第八章的内容 ⏰ 明天计划：继续干 📚 今日感悟：学习到了在Python 和 Java 技术栈上分别有什么框架可以构建 AI 应用，在选型上 Python 可以使用 LangChain 来构建，而 Java 在新项目或者需要跟非 Spring 框架集成时可以选 LangChain4j，如要跟 Spring 生态绑定可以优先选择 Spring AI 框架。

Day 2 ✅ 今天做了：今天学习了第五章和第六章 ⏰ 明天计划：继续往下冲 📚 今日感悟：一：第五章学习了为什么大模型会有幻觉，RAG技术是如何缓解幻觉问题的，RAG 的工作流程分别有哪些步骤、具体做什么、关键技术有什么、位于哪些阶段执行，RAG有什么高级架构以及工程上实践要点有哪些，具体有什么解决方案。 二：第六章学习到了 LLM 不等于 Agent，Agent 四大核心能力是什么以及有什么核心概念，目前的三大开放标准和 Agent 架构模式都是为了让 Agent越来越好用，最后了解了 Agent 在各行各业中有哪些典型的应用场景。

Day 1 ✅ 今天做了：看完了 AI 速通第一章到第四章的内容 ⏰ 明天计划：争取看到面试通过 120 问 📚 今日感悟：第一章到第三章部分学习到了大模型的前世今生，以及大模型是怎么预训练、微调、后训练的原理及步骤，第四章部分学习了什么是一个好的提示词和如何写好一个提示词。