docs:add star history chart to README

README.md

@@ -44,17 +44,21 @@
 | 🧠 **智能篇**  | [10 MCP 基础 (Server)](https://github.com/Annyfee/agent-craft/tree/main/m10_mcp_basics)                    | [🏠](https://blog.csdn.net/2401_87328929/article/details/155660129)  | Stdio · Streamable HTTP · FastMCP框架 · Transport通信 · 构建私有 MCP |  ⭐⭐   |
 |             | [11 MCP 进阶 (Client)](https://github.com/Annyfee/agent-craft/tree/main/m11_mcp_advanced)                  | [🏠](https://blog.csdn.net/2401_87328929/article/details/155316396)  | langchain-mcp-adapters框架 · 流式输出 · AsyncExitStack · 连接公共MCP   |  ⭐⭐⭐  |
 |             | [12 Agents SDK & Swarm 模式](https://github.com/Annyfee/agent-craft/tree/main/m12_agents_sdk_swarm)        | [🏠](https://blog.csdn.net/2401_87328929/article/details/155890608)  | Swarm · Handoff · Agents SDK · 去中心化 ·“航空公司客服”项目              | ⭐⭐⭐⭐  |
-| 🏁 **实战篇**  | [13 Streamlit 快速入门](https://blog.csdn.net/2401_87328929/article/details/156131372)                       | [🏠](https://github.com/Annyfee/agent-craft/tree/main/m13_streamlit) | Streamlit · st.chat_message · 异步事件流 · 会话持久化 · “智能客服驾驶舱”      |  ⭐⭐⭐  |
+| 🏁 **实战篇**  | [13 Streamlit 快速入门](https://github.com/Annyfee/agent-craft/tree/main/m13_streamlit)                       | [🏠](https://blog.csdn.net/2401_87328929/article/details/156131372) | Streamlit · st.chat_message · 异步事件流 · 会话持久化 · “智能客服驾驶舱”      |  ⭐⭐⭐  |
 |             | 14 综合实战项目                                                                                                |                                🚧撰写中                                 | LangGraph + RAG + MCP + Streamlit + Vercel                   | ⭐⭐⭐⭐⭐ |
 | 🚀 **工程篇**  | 15 部署上线与项目总结                                                                                             |                                  🚧                                  | `Ollama` · `LM Studio` · `LangServe`                         |  ⭐⭐⭐  |
 
 ---
 
-## 🧩 当前学习建议（适用于已完成模块）
+## 🧩 各模块详细学习建议
 
 目前已开放模块：**01 ~ 13**。  
 建议按顺序学习，每一章都有完整代码示例与注释。
 
+<details>
+
+<summary>💡 点击展开 / 收起各模块学习目标与内容详情</summary>
+
 ### ✅ 模块 01 — Agent 入门 & 环境搭建
 
 - **目标**：理解 Agent 概念，完成环境配置与首次调用。
@@ -122,6 +126,8 @@
 
 > 📌 后续模块将陆续开放（综合实战等）
 
+</details>
+
 ---
 
 ## 🧠 Agent Craft 的核心学习路径
@@ -197,6 +203,6 @@ python "m01_agent_introduction/Agent-demo.py"
 - 📩 技术交流：微信 a19731567148（备注 Agent）
 - 📚 博客主页：[CSDN 主页](https://blog.csdn.net/2401_87328929)
 
-🌟 如果这个项目帮到了你，请给我点个 Star ⭐，让更多人看到它！
-
+🌟 如果这个项目帮到了你，请给我点个 Star ⭐，这将是我持续更新的最大动力！
 
+[![Star History Chart](https://api.star-history.com/svg?repos=Annyfee/agent-craft&type=Date)](https://star-history.com/#Annyfee/agent-craft&Date)

embeddings.py

@@ -2,6 +2,7 @@
 
 from pathlib import Path
 from langchain_huggingface import HuggingFaceEmbeddings
+from huggingface_hub import snapshot_download
 
 # 获取embeddings模型 -- 首次调用时自动下载
 def get_embeddings(model_name="BAAI/bge-small-zh-v1.5",device="cpu",**kwargs):
@@ -10,7 +11,6 @@ def get_embeddings(model_name="BAAI/bge-small-zh-v1.5",device="cpu",**kwargs):
     if not local_dir.exists():
         print(f'⚠️ 首次使用嵌入模型，正在下载到{local_dir.absolute()}')
         print("💡 提示：需要联网(必需梯子)，完成后可离线使用")
-        from huggingface_hub import snapshot_download
         # 模型下载工具
         snapshot_download(
             repo_id = model_name,

m02_llm_fundamentals/README.md

@@ -1,5 +1,6 @@
 ## 🧩 模块说明：LLM 调用与多轮对话 Agent
 
+
 📌 **核心知识点**：  
 LLM 调用｜Prompt 编写与设计｜多轮对话记忆｜独立搭建智能体
 
@@ -27,3 +28,17 @@ LLM 调用｜Prompt 编写与设计｜多轮对话记忆｜独立搭建智能体
 - 多轮对话如何保持上下文  
 - Prompt 结构设计  
 - 记忆模块（Memory）的基本用法
+
+---
+
+### 3. `s03_llm_temperature`（温度参数对输出的影响）  
+演示不同 temperature 参数对 LLM 输出多样性和创造性的影响。  
+
+🔧 使用提示：  
+想测试不同温度参数的效果？  
+👉 直接修改代码中的 `temperature` 值即可（范围通常为 0-2）。
+
+✅ 掌握点：  
+- temperature 参数的作用和影响  
+- 如何根据场景选择合适的温度值  
+- 低温度（稳定）与高温度（随机）输出的对比

m02_llm_fundamentals/s03_llm_temperature.py

@@ -0,0 +1,30 @@
+from config import OPENAI_API_KEY
+from openai import OpenAI
+
+client = OpenAI(api_key=OPENAI_API_KEY, base_url="https://api.deepseek.com")
+msg = [{"role": "user", "content": "请用一句话生动形象地描述量子力学的奇妙之处。"}]
+
+response_low_temperature = client.chat.completions.create(
+    model="deepseek-chat",
+    messages=[
+        {"role": "system", "content": "你是一个科学解说员，请用生动形象的语言回答问题。"}, # 提示词角色
+        {"role": "user", "content": "请用一句话描述量子力学的奇妙之处。"}, # 用户输入的对话
+    ],
+    temperature=0.1
+)
+
+response_high_temperature = client.chat.completions.create(
+    model="deepseek-chat",
+    messages=[
+        {"role": "system", "content": "你是一个科学解说员，请用生动形象的语言回答问题。"}, # 提示词角色
+        {"role": "user", "content": "请用一句话描述量子力学的奇妙之处。"}, # 用户输入的对话
+    ],
+    temperature=1.3
+)
+
+
+# 测试1：低温度 (稳定)
+print(f"温度 0.1: {response_low_temperature.choices[0].message.content}")
+
+# 测试2：高温度 (随机)
+print(f"温度 1.3: {response_high_temperature.choices[0].message.content}")

m07_rag_advanced/s03_reranker.py

@@ -38,7 +38,7 @@ print('---Chroma数据库已加载---\n')
 # --- 模块 B (R-A-G Flow) ---
 # 1. R-检索--强化版
 # 1.1 基础检索器(Base Retriever) - '粗召回'
-base_retriever = db.as_retriever(search_kwargs={"k":50}) # K调大到60
+base_retriever = db.as_retriever(search_kwargs={"k":50}) # K调大到50
 # 1.2 Reranker (重排器) - "精排序" -- 首次运行需要耗时下载
 print('正在加载 Reranker模型 (bge-reranker-base)...')
 encoder = HuggingFaceCrossEncoder(model_name="BAAI/bge-reranker-base") # 加载Ranker模型

m07_rag_advanced/s05_memory_rag_agent.py

@@ -16,7 +16,6 @@ from langchain_community.chat_message_histories import ChatMessageHistory
 from langchain_core.runnables import RunnableWithMessageHistory
 
 
-
 # 1. 构建一个可复用的 RAG链条
 def build_rag_chain(llm_instance):
     print('---正在构建RAG链条---')
@@ -144,27 +143,3 @@ if __name__ == '__main__':
             config={'configurable':{'session_id':session_id}}
         )
         print(f"AI:{response['output']}")
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-

m13_streamlit/s04_agent_multi_session.py

@@ -37,9 +37,12 @@ st.caption(f"🚀 实战三：基于 Agents SDK 的多智能体协作 (ID: {st.s
 
 # 初始化持久化 Session
 if "session" not in st.session_state:
+	# 使用绝对路径定位数据库，确保跨环境稳定性
+	PROJECT_ROOT = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
+
 	st.session_state.session = SQLiteSession( # 持久化内存，将AI对话历史搬到数据库中
 		session_id=st.session_state.session_id,
-		db_path="./m13_streamlit/conversations.db"
+		db_path=os.path.join(PROJECT_ROOT, "m13_streamlit", "conversations.db")
 	)
 
 if "display_messages" not in st.session_state: # 存储对话记录