技术探索与生活感悟
理解 LLM 与 AI Agent 的基础概念：Token、Context Window、Prompt、Completion、Sampling、Embedding、Tool Calling、Memory、Workflow，建立从模型到完整系统的工程认知。
掌握 Prompt 四要素、System/User Prompt 分层、CoT、Few-shot、任务分解、Prompt 注入防御，以及结构化输出的工程实践——从聊天工具到可编程接口的关键一步。
从确定性工程思维转向概率性AI思维，理解 LLM 的非确定性、幻觉和边界模糊，建立多层校验的工程防线。
基于 ppiais-qt 项目代码，系统拆解 DCPA/TCPA 计算、风险加权评分、警戒区判定与告警触发链路，回答“风险是如何被算出来并驱动界面的”。
记录我如何基于 ROS 2 Humble、ros_gz 和本地四旋翼模型，搭建一个可直接运行的无人机仿真场景，并整理出目录结构、关键文件说明、运行命令和踩坑记录。
记录我在 Ubuntu 22.04.5 上安装 Gazebo Fortress 和 ROS 2 Humble 集成包 ros_gz 的完整过程，并整理成一个可直接复用的一键安装脚本。
记录我在 Ubuntu 22.04.5 上安装 ROS 2 Humble 的完整过程，并整理成一个可直接复用的一键安装脚本。
这是我的第一篇博客文章，记录博客搭建的过程。