- 博客(2114)
- 收藏
- 关注
RSS订阅
原创 LLM大模型：从新手到专家：AI大模型学习与实践完全指南
大模型，通常指的是在人工智能领域中的大型预训练模型。你可以把它们想象成非常聪明的大脑，这些大脑通过阅读大量的文本、图片、声音等信息，学习到了世界的知识。这些大脑（模型）非常大，有的甚至有几千亿个参数，这些参数就像是大脑中的神经元，它们通过复杂的计算来理解和生成语言、图片等。举个例子，你可能听说过GPT-3，它就是一个非常著名的大模型。GPT-3可以通过理解你提出的问题，然后给出回答，或者根据你给它的提示，生成一篇文章、一个故事，甚至是一段代码。
2024-09-06 10:30:00
2914
1
原创 从零到精通：详解如何训练大模型的完整指南，非常详细，收藏我这一篇就够了
尽管可以使用一些技巧方法来构造一些看起来特别平滑的指标来反对大模型涌现这个词汇，但是不可否认的事实是，在不同的尺寸变化或者数据量、计算量变化之后，人们可以非常明显地感知到大模型表现的巨大差异，这就是一个相变的结果，就像是炼制一门18连环刃的法器，从第一把的炼制到第18把，从个数的指标上来说是非常平滑的，但是从威力上来说，18把可以构建一个法阵，极大地增加了武器的威力，与之前不可同日而语。以及，另外一个可能，小模型每一层cos都小，有可能每一层在干不同的事，或者每一层都会注意到新的东西。
2024-08-21 22:06:26
3379
1
原创 【深入探讨】AI大模型的学习路径：理论构建、技术创新与应用实践
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。随着技术的不断进步和理论的不断完善，相信AI大模型学习将会在更多的领域展现出强大的应用潜力，为人类社会带来更多的便利和进步。算法优化是提升模型性能的重要手段。总的来说，AI大模型学习在医疗健康领域的应用将为医疗诊断、治疗和管理带来革命性的变革，有望提高医疗服务的效率和质量，最终造福于人类的健康。
2024-08-16 17:03:58
1876
1
原创 2026年转行AI大模型必备：两个高薪岗位，让你年后求职弯道超车
摘要：文章指出当前就业市场低迷，但春节后将迎来春招旺季，建议提前准备。重点推荐两个低门槛高薪AI岗位：AI大模型应用开发师（年薪最高72万）和AI大模型训练师（年薪最高45万）。这两个岗位分别负责AI技术落地应用和模型训练优化，技术门槛相对较低但薪资丰厚。建议利用春节前两个月时间学习准备，抢占年后AI行业招聘先机，实现职业跃升。文末还提供了系统学习AI大模型的资料获取方式。
2026-01-08 22:32:43
795
原创 2026AI产品经理与大模型学习路线图：从小白到专家的进阶指南
本文系统介绍了AI产品经理的三阶段成长路径：基础知识（AI概念、编程、数据分析）、专业技能（算法、产品管理、用户研究）和软技能（沟通、创新、领导力）。提供了大模型学习资源包（提示词工程、RAG系统、智能体开发等），包含路线图、视频教程和实战案例。文章强调实践积累的重要性（开源项目、实习、竞赛），并指出掌握AI技术将获得显著职场优势。附赠AI工具包（案例手册、模板库等），帮助学习者90天快速进阶，抓住AI行业机遇。
2026-01-08 22:31:34
155
原创 AI Agent短期记忆完全指南：4种处理长对话问题的方法+代码详解
AI Agent短期记忆机制解析 文章系统介绍了AI Agent的短期记忆功能及其实现方案。短期记忆通过线程隔离保存对话历史，解决了长对话中的上下文丢失和响应延迟问题。核心方案包括修剪/删除消息、总结历史记录和自定义策略，通过代码示例展示了基础用法、自定义状态管理、消息处理方法和工具交互。这些技术能有效优化Agent性能，提升交互质量和效率，特别适用于需要记忆用户偏好和对话历史的场景。
2026-01-08 22:30:31
196
原创 收藏这篇就够了！DeepSeek+RAG本地知识库搭建实战，小白也能上手的大模型教程
DeepSeek+RAG本地知识库技术将DeepSeek大模型与检索增强生成(RAG)技术相结合，构建高效智能的本地化知识库系统。DeepSeek具备强大的自然语言处理能力，能理解和生成文本；RAG技术通过结合信息检索和文本生成，使模型在生成文本时可参考外部知识库信息，提升准确性和相关性。该技术可应用于智能问答、知识管理等领域，通过系统学习大模型AI，掌握提示工程、RAG系统开发等核心技能，实现从基础应用到模型训练再到商业落地的完整能力提升路径。
2026-01-08 22:29:31
449
原创 收藏这篇！小白也能学会的AI知识库搭建全攻略
本文介绍如何利用AnythingLLM和DeepSeek R1搭建个人AI知识库，解决AI回答不准确的问题。详细步骤包括：下载安装开源工具AnythingLLM，配置DeepSeek R1作为推理模型，上传PDF/网页等多种格式文档，进行知识检索问答。该方法简单高效、成本低廉，可创建安全可靠的私有知识库，特别适合新手用户提升学习和工作效率。文中还提供了系统学习AI大模型的建议，强调掌握前沿技术的重要性。
2026-01-08 22:27:51
529
原创 大模型应用工程师成长路线图：从提示词到Agent全栈实战，年薪50w+不是梦
摘要：本文系统介绍大模型应用的五大核心学习路径：提示词工程、检索增强生成(RAG)、微调、模型部署及AI系统项目。指出当前是入门大模型的最佳时机，2025年将迎来Agent元年。文章强调大模型领域注重实践落地，应用工程师年包50w+仅为中等水平，并提供了完整的学习路线和资源包，包括104G学习资料、200本PDF书籍和100套商业化方案。通过掌握这些技术可参与开源项目，实现从理论到实践的跨越。
2026-01-07 22:48:26
420
原创 Andrej Karpathy大模型深度解析：技术演进与未来趋势，小白程序员必读
大模型技术发展正经历从预训练到后训练的转变，Cursor和Claude Code等产品展现了AI应用创新范式。文章提出"Vibe Coding"概念，预示编程将民主化，程序员需转向技术审美，非程序员可借助AI实现创意。未来AI将拥有更自然的图形交互界面，这是一个需要积极拥抱的AI时代。
2026-01-07 22:45:59
375
原创 AI创业已变天！Manus首席科学家带你重新理解Agent与产品思维
AI创业与Agent设计的关键原则 摘要：本文基于Manus首席科学家季逸超的访谈，揭示了AI创业与Agent设计的核心原则。AI创业更接近传统制造业，需具备经营思维而非艺术情怀，强调"有所不为"的产品理念。Agent设计应避免模仿人类分工，专注于服务"有需求但做不了"的人群，坚持"增强人"而非"替代人"的定位。AI进步需要用户参与，每个人都与这波技术浪潮相关。关键在于：解决"最后一公里"问题，保持产品克制，
2026-01-07 22:44:52
375
原创 无需训练！DCA让大模型轻松突破长上下文限制，附开源代码
Dual Chunk Attention (DCA)是一种创新技术，通过将长序列分割为多个chunks来提升大模型的长序列处理能力，无需微调即可实现4K到32K的外推。DCA包含三种注意力机制：Intra-Chunk处理同chunk内token，Inter-Chunk处理跨chunk信息，Successive-Chunk保留相邻chunks的局部相关性。该方法在zero-shot任务上表现媲美微调模型，并与FlashAttention无缝集成，保持高效的内存使用和推理速度。实验显示DCA能有效维持模型性能，
2026-01-07 22:43:48
301
原创 从入门到精通：AI Agent六大核心模块深度解析
AI Agent的六大核心模块构建智能闭环系统 摘要： AI Agent通过六大协同模块实现自主智能：感知交互模块解析多模态输入；任务规划模块拆解复杂任务；记忆管理模块存储短期/长期知识；工具调用模块连接外部资源；执行反馈模块监控过程与结果；自主优化模块迭代系统性能。这些模块形成"感知-规划-执行-反馈-优化"闭环，使AI Agent具备理解需求、任务拆解、资源调用、执行落地和持续优化的完整能力，从被动工具升级为自主智能体，拓展了AI应用的边界。该架构在数据分析、智能客服、科研等领域展现
2026-01-07 22:42:22
482
原创 大模型是否值得转行？从技术壁垒到就业前景全方位解析，字节跳动2025届薪资揭秘，大模型与算法岗位薪酬丰厚
大模型开发分为算法工程师（高门槛）和应用工程师（较低门槛）两类。转行需谨慎评估个人能力与兴趣，不建议轻易放弃现有业务或技术壁垒。当前大模型虽是风口，但未来趋势难测，建议先通过业余时间尝试再决定。选择适合自身的方向比盲目追热点更重要。对于已有电商等专业背景者，深耕现有领域可能比转行更明智。
2026-01-06 22:29:43
1115
原创 2026 AI 发展预测：从“爆发”走向“交付”，十大趋势全解读
2026年AI发展将进入"交付期"，从内容生成转向工作流执行。关键趋势包括：Agentic AI爆发，实现任务自动分解与执行；软件开发转向AI主导的交付流程；世界模型技术提升AI的物理推理能力；具身智能在工业场景落地；算力基础设施面临电力、内存等瓶颈；端侧AI因成本隐私需求回流；网络安全攻防升级为主动预防；行业应用深化但治理挑战加剧；可信与治理成为核心竞争力；人类技能面临AI依赖与独立评估的平衡。AI竞争重点将从模型参数转向交付能力与组织管理。
2026-01-06 22:27:48
573
原创 大模型位置编码全解析：从三角函数到RoPE再到YaRN
本文系统梳理了大模型中位置编码技术的演进路线，重点分析了三角位置编码、相对位置编码和旋转位置编码(RoPE)三类方法。三角位置编码通过正弦函数周期性捕捉相对位置关系，但存在语义解耦困难；相对位置编码直接建模位置关系但受限于截断机制；RoPE创新性地采用旋转变换显式表达相对位置，兼具数值稳定性和长程依赖建模能力。文章详细推导了各类方法的数学原理，包括三角函数变换、正交矩阵性质及复数几何意义等理论基础，并指出YaRN等优化方案通过插值策略有效提升了RoPE的外推能力。理论分析与代码实现相结合，为理解大模型位置编
2026-01-06 22:18:33
352
原创 2026年AI五大趋势与底层数据革命，非常详细收藏我这一篇就够了
2025年AI技术发展呈现五大趋势：1）多语种TTS转向情感化与全双工交互，需要生动语料和交互流数据；2）多模态模型从识别升级为认知推理，依赖跨模态关联数据；3）大模型向通用推理与垂直领域深化发展，需要专业结构化数据；4）具身智能突破数字局限，要求物理交互闭环数据；5）自动驾驶转向端到端范式，需因果阐释型标注数据。数据堂作为专业数据服务商，提供覆盖这些趋势的标准化数据集与定制解决方案，支撑AI从感知到认知的能力跃迁。
2026-01-06 22:13:05
759
原创 RAG技术全解析：大模型时代不可或缺的知识增强技术
本文系统梳理了RAG技术从2020年至2025年的演进历程，指出简单的Naive RAG模式已被淘汰，真正的RAG正向深度认知和Agentic方向进化。文章通过分析代表性论文，展示了RAG在基础架构、优化增强和评估诊断等方面的重要突破，包括Atlas、HyDE、RAGAS等关键技术。未来RAG将与大模型深度融合，成为AI Agent的核心组件，实现从被动检索到主动决策的转变。研究认为RAG已从应对幻觉的权宜之计，发展为支撑AI复杂应用的关键技术基石。
2026-01-06 22:10:12
527
原创 AI产品经理与大模型学习指南：从入门到精通，这份资料包助你职场突围，AI大模型产品经理从零基础到进阶
AI产品经理与传统产品经理的核心差异在于AI思维，其工作需贯穿基础层（芯片/数据）、技术层（算法/平台）和应用层（行业解决方案）。根据技术成熟度与业务渗透力，AI产品经理可分为四类：突破型（技术攻坚）、创新型（场景落地）、应用型（技术产品化）和普及型（市场推广）。建议从业者避免常见误区（目标模糊/技术焦虑等），通过系统性学习（算法理论+行业知识+落地案例）提升竞争力。现提供包含学习路线、行业报告、视频教程的AI大模型资源包，助力技术转型与职业发展。
2026-01-05 20:48:03
893
原创 六种主流AI智能体设计模式全解析，助你轻松掌握大模型应用
本文系统介绍了六种主流的AI智能体设计模式：ReAct Agent采用推理-行动循环框架，实现多步骤任务处理；CodeAct Agent通过代码执行范式处理复杂逻辑；Modern Tool Use基于轻量级MCP协议集成工具；Self-Reflection引入自我评估机制提升输出质量；Multi-Agent Workflow通过多智能体协作解决复杂问题；Agentic RAG实现检索增强的智能化演进。这些模式各有侧重，开发者可根据实际需求灵活选用或组合，构建更强大的AI系统。
2026-01-05 20:46:12
805
原创 中国血统AI Manus被Meta收购，中美AI竞争进入中场战事
文章讲述了拥有中国血统的AI公司Manus被Meta收购事件，反映中美AI竞争的残酷现实。尽管创始人肖弘在中国获政府大力支持，但最终选择将公司迁至新加坡并屏蔽中国IP访问。这一现象凸显中国顶尖AI人才往往需要在离开故土后才能施展才能的尴尬处境，如同黄仁勋、苏姿丰等顶尖华人一样。作者将此比喻为"盐碱地里只能长出歪瓜裂枣"，暗示中国人才环境存在问题。
2026-01-05 20:45:13
511
原创 从5万抢码到数十亿被Meta收购，Manus的9个月AI逆袭
2025年12月30日，全球科技界的目光被一则重磅交易锁定：社交媒体与元宇宙巨头Meta宣布，将以数十亿美元收购总部位于新加坡的AI初创公司Manus（Manus于2025年6月将公司总部从中国搬至新加坡）。这不仅是Meta历史上第三大规模的收购案（仅次于2014年190亿美元收购WhatsApp、2025年148亿美元收购Scale AI），更是一场仅历时十多天谈判便敲定的“闪电战”。
2026-01-05 20:44:20
597
原创 全网最详拆解阿里通义深度研究（DeepResearch）17篇论文技术内核
相信大家对DeepResearch的概念很熟悉了，深度研究DeepResearch是赋予LLMs自主研究能力，即能够在一系列连续动作和多样化信息源中进行规划、搜索、推理和知识合成的能力。里面的Agent，有人习惯称之为Web Agent（说的大白话点，就是给react框架挂个带网络检索工具，让agent多步搜索后整合信息去生成答案）。
2026-01-05 20:42:52
764
原创 35岁程序员转行大模型：前景分析与实战路径，助你把握技术红利_35岁程序员转行大模型前景分析与转型指南
本文针对35岁程序员转型大模型领域进行分析，指出大模型应用更看重工程经验而非数学基础，正是资深程序员的优势。文章介绍了大模型前景、薪资水平和技术路径，提供了从基础建设到项目积累的实战规划，以及如何利用现有经验构建技术组合、战略性求职等策略，强调技术变革期是重新洗牌的机会，现在入局能抓住技术红利。
2026-01-04 20:52:48
769
原创 从基础到进阶，助你成为AI大模型专家_2025最新AI大模型学习路线：（非常详细）
文章提供了从基础到进阶的大模型学习路线，包括数学基础、编程能力、机器学习、深度学习和专业知识，强调实践项目的重要性。提供了完整学习路径、640套报告合集、经典PDF书籍和实战案例资源，帮助学习者系统掌握大模型技术，提升职场竞争力，实现职业发展目标。
2026-01-04 20:51:34
783
原创 2025大模型与Agent发展回顾：从技术突破到商业应用，值得收藏的技术指南
2025年AI领域迎来两大突破：成本大幅下降与效率范式转变。国产模型DeepSeek实现技术突破，降低大模型训练成本；多智能体系统Manus引领Agent应用发展。行业竞争焦点转向推理成本、多模态能力和数据质量，垂直领域机会凸显。大厂与初创企业分化明显，生态布局成为关键。未来AI发展将更注重应用层创新，而非单纯追求参数增长，建议保持开放学习态度应对快速变化的技术格局。
2026-01-04 20:45:39
613
原创 从入门到精通：大模型技术发展的五大方向详解（建议收藏）
摘要： 大模型已成为人工智能新范式，具备规模可扩展性、多任务适应性和能力可塑性三大特征。当前技术发展聚焦五大方向：语言模型持续增强逻辑与推理能力；多模态融合实现跨模态理解与生成；智能体崛起推动任务自主执行；具身智能深化AI与机器人结合；专用模型创新加速科学应用。前沿探索包括新型学习范式、非Transformer架构及计算硬件优化，为通用人工智能发展奠定基础。
2026-01-04 20:43:10
891
原创 LLM推理加速方法-2025年终总结，非常详细收藏我这一篇就够了
文章摘要 本文探讨了大模型推理优化的多种方法，分为prefill（少算）和decoding（少传输）两个阶段。优化策略包括： 减少token输入：通过工程化手段压缩输入（如多模态降采样、RAG文本压缩、代码上下文精简）； 量化：采用GPTQ/AWQ等成熟方案平衡精度与速度，但激活量化需谨慎； cache压缩/裁剪：需调整模型且可能影响效果，实用较少； MTP与推测解码：开源模型依赖性强，Ngram在特定场景有效； 模型架构优化：如MLA，仅适用于预训练大厂； 服务层优化：调度策略效果有限，cache命中率依
2026-01-04 20:41:45
762
原创 转行大模型必看！从零开始到薪资翻倍，附全套学习资源（建议收藏），我是如何成功转行进入AI大模型领域的？
本文分享了一位城市设计师转型大模型行业的成功经历，详细介绍了转行过程中的学习方法、面试技巧和职场成长经验。作者强调大模型行业需要持续学习和创新，并提供了一套完整的学习资源，包括成长路线图、专业书籍、视频教程、行业报告、实战项目和面试题等，帮助小白和程序员快速入门大模型领域，实现职业突破。
2025-12-31 15:41:25
1098
原创 技术干货：一文掌握大模型多模态：从LLM到LMM的演进与应用（建议收藏）
文章解析了LLM、VLM、MLLM和LMM四大模型概念，阐述了从纯文本处理到多模态理解的技术演进路径，介绍了各类模型的核心能力、技术特点和代表作品，并探讨了在智能教育、医疗诊断等领域的应用前景，为开发者提供了理论指导和实践方向。
2025-12-31 15:40:21
433
原创 2025大模型九大厂商全景复盘：从OpenAI到DeepSeek，2026十大趋势预判，小白程序员必学指南
2025年大模型行业竞争格局发生重大转变，从参数竞赛转向应用与生态建设。国外四大厂商（OpenAI、Google、Meta、NVIDIA）保持技术优势，国内五家企业（DeepSeek、字节、阿里、百度、腾讯）通过性价比和场景创新实现突破。OpenAI强化分层策略，Google深耕长文本场景，Meta开源战略遇挫，NVIDIA转向推理服务。国内厂商在工程优化、流量变现和垂直领域取得进展，如DeepSeek的推理性价比、字节的流量闭环、阿里的开源生态等。展望2026年，行业将呈现推理成本大幅下降、多模态技术成熟
2025-12-31 15:38:55
654
原创 用Deepseek当“杠精”，3步帮你把方案打磨到无懈可击
用Deepseek当“杠精”，3步帮你把方案打磨到无懈可击你想出一个绝妙的点子，写了一份自认为完美的方案，但总担心**有自己没想到的漏洞**，或者逻辑不够严密？发给同事或领导前，心里总是没底？你需要一个“**魔鬼代言人**”来帮你提前挑刺。今天教你用Deepseek扮演这个角色，**通过“批判性提问”和“压力测试”，3步把你的方案打磨得坚不可摧**。
2025-12-31 15:37:42
427
原创 收藏必看！2025-2026大模型技术路线：多模态突破与未来展望
本文回顾2025年大模型在多模态、开源及部署方面的突破，并展望2026年发展趋势。未来将见证ToC与ToB服务分化，左右互搏模拟数据生成技术突破，MoE路由优化能力提升，以及AI4Science领域可能出现的现象级突破，共同推动大模型技术向更高效、专业和智能方向发展。
2025-12-31 15:35:57
800
原创 大模型学习宝典：从数学基础到商业化落地方案_大模型入门学习教程（非常详细）看这一篇就够了！
本文系统介绍了大语言模型(LLM)的学习路径，包含基础理论、科学家视角和工程实践三大模块。基础部分涵盖机器学习数学原理、Python编程、神经网络和NLP核心技术；科学家模块深入解析LLM架构、数据集构建、预训练、微调和对齐等核心环节；工程师模块侧重模型评估与部署。全文提供640+报告、经典文献和商业案例等配套资源，既适合初学者建立知识体系，也可帮助开发者掌握LLM全流程技术要点，实现从理论到实践的完整闭环。
2025-12-30 17:29:02
1022
原创 大模型如何颠覆翻译行业，从CAT工具到AI同传耳机的技术演进
本文以前翻译从业者的视角，详述了AI翻译技术如何从传统工具发展到如今的同传耳机，彻底改变跨语言交流方式。大语言模型的出现使翻译质量大幅提升，从文本翻译到视频字幕，从会议记录到实时同传，AI翻译已渗透到各种场景。尽管仍存在技术瓶颈，但AI翻译正朝着更自然、普惠的方向发展，未来有望解决所有跨语言交流问题。
2025-12-30 17:27:57
663
原创 如何在 LangChain DeepAgents 中复现 Claude 的 Skills 机制 ？
摘要：本文探讨如何将Anthropic提出的"Skills"能力注入机制应用于通用AI框架。Skills通过将"怎么做"的经验打包成可复用的知识胶囊（包含描述文件和相关资源），使Agent能按需加载并遵循特定任务流程。文章以LangChain的DeepAgents框架为例，详细解析实现Skills的四个关键环节：发现识别技能、系统提示注入、渐进式加载以及任务执行。通过Middleware机制将Skills元数据动态注入系统提示，并借助文件系统工具实现技能内容的按需加载
2025-12-30 17:26:43
1061
原创 从零开始：本地部署DeepSeek大模型并构建知识库的完整指南（含API调用）
摘要 本文提供了一份完整的DeepSeek大模型本地部署指南，重点介绍了使用LM Studio可视化工具部署不同规格模型的方法（1.5B-70B），并详细说明了硬件配置要求、模型下载路径及参数设置技巧。同时介绍了通过AnythingLLM构建本地知识库的扩展应用，以及在线API调用方式。教程采用图形化界面操作，步骤清晰，特别适合AI初学者快速上手体验大模型功能。文章还包含隐私保护设置建议，确保本地部署安全性。
2025-12-30 17:25:30
836
原创 珍藏必看：小白也能学会：个人电脑搭建专属AI大模型与知识库教程
本文详细介绍了在个人电脑上搭建本地AI大模型和知识库的完整流程。通过Ollama管理qwen3-vl模型，使用Cherry构建知识库客户端，配合nomic-embed-text进行文本向量化处理，最终创建出无需联网、保护隐私的专属AI助手。文章包含具体操作步骤：从软件下载安装、模型配置到知识库构建，并解释了AI大模型和向量化的基本原理。这种本地化方案解决了线上AI模型的数据隐私问题，可将个人资料转化为领域专用工具，提升工作效率。
2025-12-30 17:23:42
921
原创 2026大模型全攻略：从零基础到进阶，程序员AI学习指南_【从理论到实践】AI大模型学习路线
大模型是人工智能领域的大型预训练模型，具有强大的语言理解和生成能力。学习大模型能够紧跟技术趋势，提升就业竞争力，增强问题解决能力，促进创新。大模型在自然语言处理、内容推荐、教育、医疗等多个领域有广泛应用，是未来科技发展的重要方向。通过系统学习大模型的系统设计、提示词工程、平台应用开发等知识，结合实战项目，可以掌握大模型技术，在AI时代保持竞争优势。
2025-12-29 16:48:06
1322
原创 一文看懂上下文工程（Context Engineering）
摘要： 随着大语言模型（LLM）应用的发展，"上下文工程"（Context Engineering）概念近期引发热议。它并非全新概念，而是从提示词工程（Prompt Engineering）演进而来，核心在于如何为模型动态提供最相关的上下文信息（如RAG、记忆模块、工具调用等），以突破固定上下文窗口的限制。两者本质相同，但上下文工程范围更广，涵盖运行时信息管理、压缩优化等复杂场景。正如Andrej Karpathy所言，这如同操作系统管理内存，需精准填充上下文窗口以最大化模型效能。未来，
2025-12-29 16:46:56
649
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人