修复文档系统：补全所有缺失的章节和工具资源页面

Author: lizhogn

docs/_sidebar.md

@@ -40,11 +40,11 @@
 * [5.5 实践项目](chapter5/5.5-practice-project.md)
 
 ### 第六章 实战项目
-* [6.1 项目架构](chapter6/6.1-architecture.md)
-* [6.2 开发流程](chapter6/6.2-development.md)
-* [6.3 测试策略](chapter6/6.3-testing.md)
-* [6.4 部署上线](chapter6/6.4-deployment.md)
-* [6.5 项目总结](chapter6/6.5-summary.md)
+* [6.1 项目概述](chapter6/6.1-project-overview.md)
+* [6.2 后端开发](chapter6/6.2-backend-development.md)
+* [6.3 前端开发](chapter6/6.3-frontend-development.md)
+* [6.4 部署与上线](chapter6/6.4-deployment-online.md)
+* [6.5 项目总结与展望](chapter6/6.5-summary-outlook.md)
 
 ## 🛠️ 工具与资源
 
@@ -54,6 +54,11 @@
 * [📚 学习资源](resources.md)
 * [❓ 常见问题](faq.md)
 * [⭐ Star History](star-history.md)
+* [🔧 常用开发工具](tools.md)
+* [⚡ 生产力提升插件](plugins.md)
+* [🤖 AI 相关工具](ai-tools.md)
+* [📦 开源项目推荐](open-source.md)
+* [📖 其他实用资源](others.md)
 
 ## 🔗 外部链接
 

docs/ai-tools.md

@@ -0,0 +1,189 @@
+# AI 相关工具
+
+## 大语言模型平台
+
+### OpenAI
+- **GPT-4**: 最先进的大语言模型
+- **GPT-3.5-turbo**: 性价比高的对话模型
+- **DALL-E**: 图像生成模型
+- **Whisper**: 语音转文字模型
+- **API 文档**: https://platform.openai.com/docs
+
+### Anthropic
+- **Claude**: 安全、有帮助的 AI 助手
+- **Claude Instant**: 快速响应版本
+- **API 文档**: https://docs.anthropic.com/
+
+### Google
+- **PaLM**: Google 的大语言模型
+- **Bard**: Google 的对话 AI
+- **Vertex AI**: 企业级 AI 平台
+
+## 开发框架
+
+### LangChain
+- **简介**: 大语言模型应用开发框架
+- **功能**: 链式调用、记忆管理、工具集成
+- **特点**: 模块化设计、丰富的集成
+- **GitHub**: https://github.com/langchain-ai/langchain
+- **文档**: https://python.langchain.com/
+
+### LlamaIndex
+- **简介**: 数据框架，用于 LLM 应用
+- **功能**: 文档加载、索引、查询
+- **特点**: 专注于数据集成
+- **GitHub**: https://github.com/jerryjliu/llama_index
+
+### AutoGPT
+- **简介**: 自主 AI 代理框架
+- **功能**: 任务分解、工具使用、自主执行
+- **特点**: 实验性项目，展示 AI 代理潜力
+
+## 向量数据库
+
+### ChromaDB
+- **简介**: 开源向量数据库
+- **特点**: 易用、轻量级、Python 原生
+- **用途**: 文档检索、语义搜索
+- **GitHub**: https://github.com/chroma-core/chroma
+
+### Pinecone
+- **简介**: 云原生向量数据库
+- **特点**: 高性能、可扩展、托管服务
+- **用途**: 生产环境向量搜索
+
+### Weaviate
+- **简介**: 向量搜索引擎
+- **特点**: GraphQL API、多模态支持
+- **GitHub**: https://github.com/weaviate/weaviate
+
+## 模型社区
+
+### Hugging Face
+- **简介**: AI 模型和数据集的中心
+- **功能**: 模型托管、数据集分享、社区协作
+- **特点**: 开源友好、资源丰富
+- **网址**: https://huggingface.co/
+
+### ModelScope
+- **简介**: 阿里巴巴的模型社区
+- **特点**: 中文模型丰富、国内访问快
+- **网址**: https://modelscope.cn/
+
+## 快速原型工具
+
+### Gradio
+- **简介**: 快速创建 AI Web 界面
+- **特点**: 简单易用、支持多种输入输出
+- **GitHub**: https://github.com/gradio-app/gradio
+- **文档**: https://gradio.app/
+
+### Streamlit
+- **简介**: 数据科学 Web 应用框架
+- **特点**: Python 原生、快速开发
+- **GitHub**: https://github.com/streamlit/streamlit
+
+### Replicate
+- **简介**: 云平台，运行开源 AI 模型
+- **特点**: 一键部署、API 调用
+- **网址**: https://replicate.com/
+
+## 提示工程工具
+
+### Promptfoo
+- **简介**: 提示测试和评估工具
+- **功能**: A/B 测试、批量评估
+- **GitHub**: https://github.com/promptfoo/promptfoo
+
+### LangSmith
+- **简介**: LangChain 的调试和监控平台
+- **功能**: 提示调试、性能监控
+- **网址**: https://smith.langchain.com/
+
+## 模型微调工具
+
+### LoRA
+- **简介**: 低秩适应微调方法
+- **特点**: 参数高效、资源需求低
+- **实现**: PEFT 库
+
+### QLoRA
+- **简介**: 量化 LoRA 微调
+- **特点**: 内存效率更高
+- **论文**: https://arxiv.org/abs/2305.14314
+
+## 评估工具
+
+### HELM
+- **简介**: 语言模型评估基准
+- **特点**: 全面评估、标准化
+- **GitHub**: https://github.com/stanford-crfm/helm
+
+### OpenLLM
+- **简介**: 开源 LLM 服务框架
+- **功能**: 模型服务化、API 标准化
+- **GitHub**: https://github.com/bentoml/OpenLLM
+
+## 学习资源
+
+- [LangChain 教程](https://python.langchain.com/docs/tutorials/)
+- [Hugging Face 课程](https://huggingface.co/course)
+- [OpenAI Cookbook](https://github.com/openai/openai-cookbook)
+- [Prompt Engineering Guide](https://www.promptingguide.ai/)
+
+## 实用技巧
+
+### 提示工程
+```python
+# 基础提示模板
+template = """
+你是一个专业的{role}。
+请{task}。
+
+输入: {input}
+输出: 
+"""
+
+# 少样本学习
+few_shot_prompt = """
+示例1:
+输入: "今天天气怎么样？"
+输出: "今天天气晴朗，温度25度。"
+
+示例2:
+输入: "明天会下雨吗？"
+输出: "明天可能有小雨，建议带伞。"
+
+现在请回答:
+输入: "{user_input}"
+输出: 
+"""
+```
+
+### 向量检索
+```python
+import chromadb
+from chromadb.config import Settings
+
+# 创建客户端
+client = chromadb.Client(Settings(
+    chroma_db_impl="duckdb+parquet",
+    persist_directory="./chroma_db"
+))
+
+# 创建集合
+collection = client.create_collection("documents")
+
+# 添加文档
+collection.add(
+    documents=["文档内容1", "文档内容2"],
+    metadatas=[{"source": "file1"}, {"source": "file2"}],
+    ids=["id1", "id2"]
+)
+
+# 查询
+results = collection.query(
+    query_texts=["查询内容"],
+    n_results=2
+)
+```