1. 基础概念

• 传统数据库的局限性：传统关系型数据库（如MySQL）或NoSQL数据库（如MongoDB）擅长进行精确匹配和范围查询。但它们无法有效处理基于“相似性”的查询，例如：“找出所有与这张图片相似的图片”。
• 向量数据库（Vector Database）：一种专门为存储、索引和检索高维向量而设计的数据库。其核心能力是进行近似最近邻搜索，快速找到与查询向量最相似的向量集合。能够高效地处理非结构化数据（如文本、图像、音视频等）。利用嵌入模型将非结构化数据转换为数值数组（即向量），存储在专门设计的存储结构中，并利用索引技术加速查询过程。
  1. 向量与嵌入
     • 向量（Vector） 是多维空间中某点的数学表示（如{12, 13, 19, 8, 9}表示5维空间坐标），通过几何方式表达数据的语义特征。
     • 嵌入（Embedding） 是机器学习生成的向量，将文本、图像等非结构化数据映射到向量空间，使语义相近的数据点在空间中距离更近。
  2. 运作机制
     • 存储数据点（文档、图像、音视频等）的嵌入向量，并建立向量到原始数据的映射关系。
     • 通过相似性搜索（如计算余弦相似度、欧氏距离）快速检索最接近的向量，支持语义级查询。

2. 工作流程

向量数据库的核心工作流程分为写入和查询两部分。

1. 基础概念

RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合了信息检索与文本生成的人工智能技术。通过从外部知识库中检索相关信息，并将其作为提示（Prompt）输入给大语言模型（LLM），以增强模型处理知识密集型任务的能力，如问答、文本摘要、内容生成等。

AI基础概念

• 人工智能（Artificial Intelligence, AI）：最宏观的概念，一个庞大的科学领域，致力于创造能够执行通常需要人类智能的任务的机器系统。（AI不一定需要学习，早期AI大多基于预设的规则和逻辑。）
• 机器学习（Machine Learning, ML）：实现AI的一种核心方法。其理念是：从数据中“学习”规律，而不是硬编码规则。其性能随着经验（数据）的增加而提高。
• 深度学习（Deep Learning, DL）：机器学习的一个重要分支。它使用更深、更复杂的神经网络结构来学习数据。DL的强大之处在于能自动从原始数据中提取特征。
• 神经网络（Neural Network, NN）：受人类大脑启发而构建的算法模型，是深度学习的基础和核心架构。它由大量相互连接的“神经元”节点组成。接收输入，进行加权求和，并通过激活函数产生输出。
• 大模型（Large Models, LM）：通常指基于深度学习和大规模神经网络（如Transformer），参数规模巨大（通常达到十亿或万亿级别）的深度学习模型。大模型是当前深度学习技术发展到极致的体现。
• 大语言模型（Large Language Model, LLM）：LM最突出的一个子类，特指那些专门在海量文本数据上训练，专门用于理解和生成自然语言的大模型。

它们之间的包含关系：[人工智能]-->[机器学习]-->[深度学习]-->[神经网络]-->[大模型]。

此篇学习笔记基于Python 3.14.0版本，Python安装包里有Python解释器、Python运行所需要的基础库，以及交互式运行工具——PythonShell。 编写和运行Python程序主要的两种方式：

1. 交互方式：Python + 回车键
2. 文件方式：Python 文件名.py + 回车键

1. 语法基础

1.1 标识符的命名规则：

1. 区分大小写；
2. 只能是由下画线（_）、字母、数字或Unicode字符(包括汉字，但不建议)组成；
3. 首字符不能是数字；
4. 关键字不能作为标识符；
5. 不要使用内置函数作为标识符；

1.2 关键字

只有 True、False、None的首字母大写，其他关键字全部小写：

1. Cocos Creator 图形渲染

1.1 渲染管线

• 渲染管线：定义了从3D场景数据（网格、材质、灯光等）转换为2D屏幕图像的一系列步骤。
• Cocos管线：采用了可定制渲染管线(CRP - Customizable Render Pipeline)，内置了前向渲染（forward）和 延迟渲染（deferred）管线，并支持自定义渲染管线。
  • 内置管线：
    • 前向渲染管线：对每个物体，遍历所有光源计算其光照贡献。支持半透明、多光源逐像素处理简单。不过光源数量多时性能下降快。
    • 延迟渲染管线：先将材质属性渲染到多个纹理中，然后利用纹理中的信息，通过屏幕空间计算每个像素的光照。光照计算与场景复杂度解耦，大量光源下性能极佳，但是半透明处理困难，对带宽和内存要求高。
  • 自定义渲染管线：允许开发者完全控制渲染流程（渲染阶段和顺序、后处理等），通过继承Pipeline类，并重写render等方法来实现。

1.2 光照与阴影

• 光源：平行光(方向光)，球面光(点光源)，聚光灯，环境光(漫射环境光)。
• 光照模式：
  • 实时光照：每帧动态计算，光影可变化，性能开销大。
  • 烘焙光照：预先计算并将光照信息“烘焙”到光照贴图中，运行时无开销，用于静态场景。推荐使用GPU光照烘焙，比CPU烘焙速度快。
  • 混合光照：结合两者，静态物体用烘焙光，动态物体用实时光。
• 阴影：从光源视角渲染一张深度贴图（Shadow Map），然后在主相机渲染时比较深度来判断是否在阴影中。
  • 设置：在Light组件和MeshRenderer组件上均可开启/接收阴影。
  • 优化：阴影是性能杀手。优化手段包括：调整阴影距离、分辨率、平行光使用CSM（级联阴影映射）。
  • 级联阴影映射：用于平行光，将视锥体分割为多个层级，近处使用高分辨率阴影图，远处使用低分辨率，以平衡质量和性能。

1.3 网格

网格（Mesh）一般用于绘制 3D 图像。网格资源包含顶点数组（顶点缓冲区）和索引（索引缓冲区），顶点数据包含位置、法线、切线、颜色、纹理坐标等属性。

1. WebGL基础

WebGL（Web Graphics Library, Web图形库）是 Web 上新的3D图形标准/规范，它是为渲染2D图形和交互式3D图形而设计的JavaScript API。源自 OpenGL（Open Graphics Library, 开放图形库）的ES2.0库。OpenGL是用于渲染2D、3D矢量图形的跨语言、跨平台的应用程序编程接口（API）。