| Gate 输入 | -通道状态 | -输出 | -
|---|---|---|
| 0(低电压) | -断开 | -0 | -
| 1(高电压) | -导通 | -1 | -
diff --git a/docs/.vitepress/config.mjs b/docs/.vitepress/config.mjs
index 92a42ca..848c678 100644
--- a/docs/.vitepress/config.mjs
+++ b/docs/.vitepress/config.mjs
@@ -702,7 +702,7 @@ export default defineConfig({
{ text: 'Embedding 与向量检索', link: '/zh-cn/appendix/8-artificial-intelligence/embedding-vector-retrieval' },
{ text: 'RAG 架构', link: '/zh-cn/appendix/8-artificial-intelligence/rag' },
{ text: 'AI Agent 与工具调用', link: '/zh-cn/appendix/8-artificial-intelligence/ai-agents' },
- { text: 'AI 协议(MCP 等)', link: '/zh-cn/appendix/8-artificial-intelligence/ai-protocols' },
+ { text: 'AI 协议(MCP & A2A)', link: '/zh-cn/appendix/8-artificial-intelligence/ai-protocols' },
{ text: '模型微调与部署', link: '/zh-cn/appendix/8-artificial-intelligence/model-finetuning-deployment' },
{ text: 'AI 原生应用设计', link: '/zh-cn/appendix/8-artificial-intelligence/ai-native-app-design' },
{ text: 'AI 能力词典', link: '/zh-cn/appendix/8-artificial-intelligence/ai-capability-dictionary' }
diff --git a/docs/.vitepress/theme/components/appendix/ai-history/AIEvolutionTimelineDemo.vue b/docs/.vitepress/theme/components/appendix/ai-history/AIEvolutionTimelineDemo.vue
index 962c5a0..e5e6a79 100644
--- a/docs/.vitepress/theme/components/appendix/ai-history/AIEvolutionTimelineDemo.vue
+++ b/docs/.vitepress/theme/components/appendix/ai-history/AIEvolutionTimelineDemo.vue
@@ -1,239 +1,3 @@
-
- 点击不同时期,查看 AI 是如何一步步进化的
-
- {{ era.fullDesc }}
- AI 进化时间轴
-
-
-
- 机器学习不再依赖硬编码规则,而是通过统计学方法(如寻找中心点或线性回归)在数据之间划出一条"界线"。试试在不同位置添加点,看看界线如何变化。 -
-- 模型已训练!它找到了一条最佳分割线。新进来的数据将根据它在红区还是蓝区被自动分类。 -
-- 点击词语,观察它如何"关注"句子中的其他词 -
+{{ getInsight(activeIndex) }}
-- 观察神经网络如何通过误差反向调整权重 -
-- 亲手体验"规则指数增长"的恐怖 -
-- 理解两种不同的 AI 范式 -
+{{ model.description }}
-- 用"开始 / 上一步 / 下一步"逐层推进,避免误把动画当成真实训练过程。 -
-{{ l.desc }}
-{{ l.math }}
- - 最简单的神经元:输入 x 权重 + 偏置 = 输出 -
-- 对比:你写阈值 (规则) vs 让模型从数据里"推断"阈值 (学习) -
+- 模型推断出阈值应为: {{ learnedThreshold }} -
-- (大于 {{ learnedThreshold }} 是苹果,否则是樱桃) -
-+ A2A 让多个 AI Agent 可以相互协作,不再是单打独斗。一个复杂任务可以分配给多个专业 Agent,每个 Agent 做自己擅长的事。 +
++ A2A 目前还在早期阶段,主要由 Google 推动。如果你想尝试 A2A,需要开发支持 A2A 协议的 Agent 服务。 +
+ +/.well-known/agent.json,声明 Agent 的能力和版本
+ agents/get、tasks/send、tasks/get 等核心 API
+ {{ step.example.code }}
+ /.well-known/agent.json 路径
+ {{ agentCardExample }}
+ {{ taskSendExample }}
+ {{ sseExample }}
+ {{ apiKeyExample }}
+ {{ oauthExample }}
+ + MCP 之前,AI 只能"看"和"说",有了 MCP,AI 终于可以"动手"了。它让 AI 可以操纵各种程序,真正帮你干活。 +
+
+ 使用 MCP 非常简单,只需要配置一个 mcp.json 文件,就可以在你的 IDE 里使用各种 MCP 工具。
+
{{ mcpConfigExample }}
+ + 假设你有一个天气 API,想把它封装成 MCP Server 让 AI 可以调用。下面以 Node.js 为例演示: +
+ +{{ weatherMcpCode }}
+ MCP Server 作为子进程运行,通过标准输入输出通信
+优点:简单、安全、适合本地工具
+缺点:只能本地使用,不支持远程
+MCP Server 作为 HTTP 服务运行,支持 SSE 推送
+优点:支持远程访问、多客户端共享
+缺点:需要部署服务器、配置认证
+{{ step.example.code }}
+ {{ jsonRpcRequest }}
+ {{ jsonRpcResponse }}
+ id 用于匹配响应
+ {{ stdioExample }}
+ {{ httpExample }}
+ + 为啥要看这些?CPU 只会处理 0 和 1,所以加法要「一位一位」算;每一列(第 0 位、第 1 位…)都需要一个小电路来算「这一位写几、要不要往左进位」。 +
++ 这些词是啥? + 半加器:只算这一位的 A+B(最右边没有进位进来)。 + 全加器:算 A+B+上一位的进位。 + S:这一位写下的数字(0 或 1)。 + Cout:要不要往左边一位进 1(进就是 1,不进就是 0)。 +
++ 为啥要看这个?CPU 算到一半要暂时「记住」中间结果,寄存器就是干这个的。它和「直接连线」不同:改输入不会立刻改变里面存的东西,必须主动点一次「写入」才会更新。 +
++ 这些词是啥? + 输入:你想写进去的 0 或 1。 + 写入:点一下,把当前输入「锁进」寄存器。 + 存储值:寄存器里现在记着的数(只有写入时才会变)。 + 输出:从寄存器读出来的数,和存储值一样。 +
+ {{ inputData !== storedData ? '输入和存储不一样:点「写入」会把当前输入记进去。' : '输入和存储已一致。' }} +
| Gate 输入 | -通道状态 | -输出 | -
|---|---|---|
| 0(低电压) | -断开 | -0 | -
| 1(高电压) | -导通 | -1 | -
git add
- →
+
+
git commit
- →
+
+