- 博客(2025)
- 收藏
- 关注
RSS订阅
原创 如何从传统产品经理转行成为顶尖的AI产品经理？终于有人一次性说清楚了！
我们先来看看大模型对于AI产品经理的定义：通过这个定义，我们可以发现，AI产品经理相较于传统产品经理而言，主要的差异其实就是在对AI技术的理解与应用上。大部分传统产品经理并没有硬性的要求一定要懂技术，主要工作的重点更加偏向于需求分析、业务理解、用户体验、产品设计、策略等方面，懂技术只是一个加分项。但对于AI产品经理，了解诸如大模型、机器学习、深度学习、自然语言处理、计算机视觉等AI相关的技术，则是一项必要条件，因为只有懂AI，才能利用AI满足需求，设计出AI产品的解决方案。
2024-09-19 11:07:30
1728
1
原创 花3000元自学AI大模型后，她薪水涨了20%
我看到了一个充满无限可能的新世界”，在面试完AI产品经理这一岗位后，陈漫在社交平台上如此描述自己的感受。AGI大模型浪潮席卷全球，技术革新越是凶猛，人们的失业焦虑便越加强烈。为了应对AI带来的冲击，有些人决定“打不过就加入”，转身投向这个风口行业。陈漫便是转行潮中的一员。如今在社交媒体搜索“转行AI”“AGI”等关键词，就会涌现大量转行经验的帖子。不少博主呼吁大家抓紧时间转行进入AI领域，“真心建议大家冲一冲AI赛道”“抓住AI红利”，此类标题反复出现。
2024-08-08 10:48:25
1816
1
原创 字节大厂大模型面经，看完手撕面试官，非常详细收藏我这一篇就够了
以下是一些大模型大厂的面经，供参考：谷歌（Google）：面试形式：电话面试、在线编程测试、现场面试。面试内容：数据结构和算法、机器学习、深度学习、NLP、项目经验。面试难度：较高，注重基础知识和实际应用能力。亚马逊（Amazon）：面试形式：电话面试、在线编程测试、现场面试。面试内容：数据结构和算法、机器学习、深度学习、NLP、项目经验。面试难度：较高，注重基础知识和实际应用能力。微软（Microsoft）：面试形式：电话面试、在线编程测试、现场面试。
2024-07-31 16:35:33
1646
1
原创 全方位大模型教程：从基础入门到实战应用
2023年大西洋彼岸的OpenAi公司，AI大模型，正在构建的颠覆力，为了更好的入局AI大模型，，包含🔻 压缩技术中，为什么量化要优于剪枝、蒸馏？🔻 如何搜索裁剪阈值用于裁剪outlier？🔻 包含有异常值outlier的特征如何量化？🔻 模型剪枝的技术背景🔻 模型剪枝具体方法🔻 模型剪枝前沿方法🔻 语言模型剪枝实例🔻 AI作画–以文生图🔻 扩散模型是什么🔻 扩散模型工作拓展🔻 扩散模型带来的机遇🔻 RLHF的优点和挑战🔻 RLHF如何改善大模型性能🔻 RLHF的实际应用案例。
2024-07-28 09:00:00
2085
1
原创 AI 大模型之美 | 更新完结
AI 大模型的美感不仅体现在其高科技的外表和复杂的内在结构上，更体现在它们带来的科技进步和社会变革中。它们是人类智慧和技术创新的结晶，不断推动着人类社会走向更加智能化和可持续的未来。如何学习AI大模型？我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。
2024-06-26 11:19:45
4976
1
原创 AI产品经理面试避坑指南：这20道高频题答不好直接凉凉！附参考答案模板，建议收藏！
聊点AI面试的，这两年最火的产业，分享20道AIGC产品经理高频面试题，文章后面会有送PDF文件的方式。我们要注意，所有的面试题回答，要按1,2,3,4，有逻辑性，尤其是产品经理面试，给面试官展现出你的逻辑性很强，这个是加分的，另外就是要总结，说重点，每道题要控制在3min以内。
2025-11-24 16:09:06
365
原创 AI大模型应用开发如何破局入门？这份硬核指南为你系统性梳理核心知识与实战路径！
大语言模型（LLM）经历了四代技术演进：统计语言模型、神经语言模型、预训练语言模型和当前的大语言模型。大模型构建包含三个阶段：预训练（海量数据学习）、有监督微调（指令优化）和基于人类反馈的强化学习对齐（价值观校准）。全球大模型分为开源（如Meta的Llama、浪潮的源系列）和闭源（如OpenAI的GPT）两大阵营。中国浪潮信息先后发布了源1.0（2457亿参数）和源2.0（三款参数规模）系列开源大模型，在中文理解、数理逻辑等方面表现优异。大模型发展正推动AI技术快速进步，同时也面临数据质量、算力需求等挑战。
2025-11-24 16:06:13
1194
原创 程序员如何高效“手搓”一个AI助手团队？LangChain多智能体系统全解读，实现效率与可控性兼得！
本文详解如何在LangChain V1.0多智能体系统中实现HITL人工审核机制，通过approve、edit、reject三种决策方式提高系统可控性。结合上下文注入与信息控制功能，确保子代理获取适量信息，增强系统可靠性。文章提供完整智能个人助理示例，构建安全、可控、可审查的多智能体系统，使关键操作在执行前经人工审核，满足企业对可审计性和安全性的要求。
2025-11-24 15:40:41
468
原创 又偷偷挖掘了3个牛哄哄的GitHub宝藏项目！代码写腻了？它们能让你的开发体验焕然一新！
文章介绍了四个GitHub开源项目：1) code-server：将VS Code编辑器带入浏览器，支持插件扩展和跨设备访问；2) 开源游戏宝藏清单：包含原创游戏和经典游戏开源重制版；3) 微软AI呼叫中心：使用GPT-4.1处理电话业务，支持实时对话和断线恢复；4) "逛逛GitHub"公众号推荐。这些项目展示了从开发工具到AI应用的多样化开源技术。
2025-11-24 15:34:59
423
原创 AI Agent拆解任务的底层逻辑与实战技巧！
AI Agent核心竞争力在于将模糊需求精准拆解为可执行任务。文章系统介绍了保障正确拆解任务的方法：核心前提（精准理解需求）、核心方法（四种拆解方法及原则）、关键保障（实时检查调整机制）及参考案例。通过"精准懂需求→科学拆任务→实时查偏差→人机来兜底"的完整流程，AI Agent任务完成率可提升至85%以上，实现从智能工具到智能助理的跨越。
2025-11-24 15:31:52
355
原创 吴恩达解析：Agentic AI与MCP协议，AI应用开发新范式！
本文探讨了AI工具使用本质与MCP协议如何改变开发范式。LLM通过生成文本"请求"调用工具，而非直接执行。代码执行工具让AI从调用预定义工具转变为自主创造工具。MCP范式简化了工具集成，解决了重复开发问题。MCP与Agent开发思维不同：Agent是从上到下设计任务流程，MCP是从下到上构建可复用工具。AI应用开发正从关注模型能力转向系统设计，重点在于如何让AI高效工作创造价值。
2025-11-23 07:00:00
1218
原创 AI Agent的上下文折叠技术：AgentFold，解决长程任务记忆难题，提升效率91%！
AgentFold技术通过"上下文折叠"机制，将AI Agent的记忆管理从被动累加转为主动决策。AI在规划下一步行动的同时，会智能生成"折叠"指令压缩历史记录，有效解决了长程任务中的上下文窗口溢出问题。该技术采用多尺度状态摘要和最新交互记录相结合的方式，显著降低91%的上下文长度，在保持顶尖性能的同时大幅提升运行效率，为处理复杂长期任务的AI代理提供了新思路。
2025-11-23 07:00:00
1825
原创 真的不要盲目去自学AI大模型！一定按顺序来！！大模型学习路线
大模型内容特别多！东学一个西学一个，真的费时又费力！这里给大家分享大模型学习路线 ，让你不在盲目自学大模型适合零基础想系统学习大模型的你
2025-11-22 10:52:42
577
原创 CLIP多模态模型深度解析：从原理到实践，零基础入门大模型图文理解技术！
CLIP是OpenAI提出的多模态对比学习模型，通过双塔编码器架构学习图像与文本的联合语义空间。其创新点在于利用自然语言监督而非预设类别，实现零样本迁移能力，使模型能通过文字描述理解新图像。CLIP已应用于图像生成、零样本分类和医疗影像分析等领域。文章还提供了从零基础到进阶的大模型学习路线，帮助开发者掌握AI技术，提升竞争力。
2025-11-22 10:52:14
566
原创 Transformer vs MoE：AI模型背后的技术揭秘，哪个更胜一筹？
Transformer是一种通过自注意力机制处理序列数据的神经网络架构。专家混合模型(MoE)则是一种增强Transformer的方法，使用多个"专家"网络和路由机制，实现条件计算而非密集计算。MoE允许在不大幅增加计算成本的情况下扩展模型容量，更适合处理多领域数据。两者并非替代关系，而是互补：Transformer定义信息流动，MoE决定哪些部分处理每个输入。结合两种方法可构建更强大的大模型系统。
2025-11-22 10:48:41
667
原创 后端工程师转型大模型工程师全攻略：路径、技能与实战，一篇文章搞定！
在AI技术席卷全球的今天，大模型（Large Language Models, LLMs）已成为科技行业的“新石油”。从ChatGPT到通义千问，从代码生成到智能客服，大模型正在重塑软件开发的边界。而作为长期深耕系统架构、服务开发的后端程序员，你是否曾想过：自己的技术积累，其实正是转型大模型工程师的绝佳跳板？
2025-11-21 15:35:39
1226
原创 大模型学习路线（2025终极版）零基础入门到精通，保姆级教程！
从薪资水平看，大模型相关岗位的回报显著高于传统开发岗位。据行业报告，大模型应用开发岗月薪普遍在25-50K之间，而高级算法岗年薪甚至可达50-200万。市场红利正在持续扩大。2030年全球AI人才缺口预计达500万，中国占比超40%。现在入局，正是抓住这波红利的最佳时机。
2025-11-21 15:30:12
578
原创 GPT-5.1 Codex Max发布！编程AI新标杆性能全面超越Gemini 3，开发者必看！
OpenAI发布GPT-5.1 Codex Max回应Gemini 3竞争，在编程测试中以77.9%准确率超越对手。该模型引入自动压缩与扩展推理两大创新，支持24小时持续开发，令牌效率提升30%。现已通过多种渠道可用，API即将开放，标志着AI编程能力达到新高度。
2025-11-21 15:27:07
769
原创 上下文工程：大模型Agent时代的关键技术，小白入门到精通！
上下文工程是AI Agent发展到高级阶段的产物，区别于早期的提示词工程。它要求为LLM动态构建完成任务所需的全部上下文信息，包括指令、用户输入、短时记忆、长时记忆、外部信息、可用工具和结构化输出等。这涉及复杂的工程决策，如信息存储策略、检索方法、内容压缩和隔离等。上下文工程是构建高效AI Agent的关键技术，需要系统化思维和工程实践。
2025-11-21 15:26:03
811
原创 基于vLLM部署PaddleOCR-VL模型：从零开始的完整指南（建议收藏）
本文详细介绍了如何使用vLLM官方版本部署PaddleOCR-VL这一专为文档解析设计的SOTA多模态模型。内容涵盖裸机与Kubernetes两种部署方式，提供了完整的安装、配置与测试步骤。通过vLLM部署可实现OpenAI API兼容、高性能推理、灵活部署等优势，适合企业级OCR服务应用。文章包含详细的代码示例和参数说明，帮助开发者快速上手。
2025-11-21 15:24:38
981
原创 还在为大模型学习发愁？别再盲目摸索啦，花我五分钟跟你讲清楚，怎么学习大模型？
最近大模型彻底火出圈了！你刷视频时遇到的智能客服、写论文时求助的 AI 助手，甚至手机输入法的智能联想，背后都有大模型的 “功劳”。很多人想学大模型，却对着复杂的代码和公式直犯愁，学了半天还是一头雾水。别慌！今天就手把手教你高效入门，五分钟理清思路，比自己摸索两小时还管用！
2025-11-20 16:31:53
976
原创 Java开发者的新机遇：轻松转型人工智能，开启技术生涯新篇章！
在当今科技领域，人工智能（AI）凭借技术的持续进步，已成为备受瞩目的热门话题。众多开发者正考虑从传统软件开发领域，例如Java，迈向人工智能的新天地。今天，让我们一同探讨Java开发者转向人工智能领域的可行性，包括转型带来的优势、薪资水平的对比，以及成功转型所需的知识体系和学习路径。
2025-11-20 16:17:33
593
原创 零基础构建AI知识库：从传统文档到智能Agent，掌握RAG技术，实现数字化转型新突破！
文章对比了传统知识库与AI知识库的差异，指出AI知识库核心是RAG技术，强调优质数据是其基础。详细介绍了AI知识库构建流程（数据清洗、分块、向量化）和检索优化方法，指出AI知识库最终目标是成为Agent辅助决策，而非单纯知识存储。构建AI知识库是数字化转型的延续，需要完善的数据支撑。
2025-11-20 16:15:23
999
原创 Kimi K2 Thinking开源大模型全方位评测：碾压DeepSeek，比肩闭源模型！
本文通过6个不同场景对Kimi K2 Thinking、DeepSeek V3.2、Qwen3-Max和文心一言5.0进行对比测试。结果显示Kimi K2 Thinking在多数测试中表现优异，被作者誉为"迄今为止最强大的开源模型，比肩闭源模型"。文章还详细介绍了Kimi K2 Thinking的量化部署方法，模型文件可缩小60%，同时保持85%的准确率，为开发者提供了实用参考。
2025-11-20 16:06:24
718
原创 大模型幻觉全解析：AI为何“一本正经胡说八道“？一篇让你秒懂的大白话
大模型幻觉是AI基于概率生成的"自信型错误"，分为事实性和忠实性两类。主要由数据偏差、过拟合和创造性"溢出"导致，技术原理包括概率生成机制和自回归生成陷阱。可通过调整温度系数、添加知识边界声明和采用RAG技术防御。文章提供了从零基础到进阶的大模型学习路线，帮助系统掌握大模型技术。
2025-11-20 16:05:20
905
原创 非技术背景也能赚AI高薪？9个大模型岗位实操指南，简单又实用！
“我不是学计算机的，能进入AI行业吗？”“看到大模型火爆，但我连Python都不会，还有机会吗？”答案是：完全可以，而且可能比你想象的要简单得多2025年，AI大模型技术席卷全球，催生了大量非技术类岗位。据业内报告显示，未来5年我国AI人才缺口高达500万，其中不少岗位并不需要深厚的编程背景。无论是文科生、设计师还是产品运营，都能在大模型领域找到自己的位置。
2025-11-19 16:33:17
518
原创 别被劝退了！大模型前景到底如何？揭秘高薪就业真相，五招让你脱颖而出！
文章详细介绍了大模型领域的就业前景与挑战，包括高薪资需求与激烈竞争并存的特点。文章从技术能力提升、项目实践、持续学习、跨领域拓展和个人主页建设五个方面提供了就业建议，并针对保研学生明确了研究方向选择、院校导师选择、科研背景准备和核心课程学习等实用指导，帮助读者在大模型领域做出更适合自己的职业规划。
2025-11-19 16:27:01
755
原创 2025中小企业AI应用场景全解析：大语言模型如何重塑企业研发、生产与经营！
2025年中小企业人工智能典型应用场景发布，共238个，涵盖优化业务流程和创新产品服务。基于生成式AI、大语言模型等技术，研发设计、生产运维、经营管理等环节实现智能化，大幅提升效率。智能硬件、软件和服务推动技术创新与商业模式升级，26个试点城市编制转型实践样本，为企业提供可落地方案，全国中小企业数字化转型服务平台将集中展示这些成果，助力中小企业加速AI赋能。
2025-11-19 16:26:46
870
原创 四种机器学习方法的区别与联系：一文读懂监督/半监督/无监督/自监督学习的区别与联系！
文章详细比较了四种机器学习方法的区别与联系：监督学习依赖标注数据；无监督学习挖掘数据内在特征；半监督学习结合标注与未标注数据；自监督学习通过数据自身构造标签，学习丰富语义表征，是大模型预训练的主流方法。
2025-11-19 16:23:02
596
原创 LLM应用架构大揭秘！五层技术架构+顶流工具箱，从零到高阶AIGC开发的完整技术地图！
本文详细解析了LLM应用的五层技术架构：基础设施层、模型层、数据与集成层、逻辑层和前端用户界面层，每层都有其关键组件和作用。同时提供了顶流工具箱，包括模型提供者、框架、向量数据库、部署工具和集成工具等。无论开发者是想打造内部效率工具还是面向C端的AI产品，都可以通过这张架构图清晰规划开发路径，从确定核心模型到选择部署方案和前端形式，为构建复杂AI应用提供系统性指导。
2025-11-19 16:21:30
629
原创 2025年大语言模型就业市场全景指南：技术演进、核心技能与职业路径！
2025年，人工智能正经历从"模型竞赛"到"应用落地"的深刻转变。经过前几年的技术积累与市场验证，大语言模型从实验室走向各行各业，成为推动数字化转型的核心力量。这一转变不仅带来了技术架构的升级，更引发了人才市场的结构性变革。
2025-11-18 11:12:00
1598
原创 985硕士毕业，大厂背景，工作4～5年：换赛道大模型还是深耕电商？挽救职业生涯的关键选择！
文章解析大模型领域两类职业路径：算法工程师门槛极高，需顶尖学历和理论基础；应用工程师门槛较低，需了解大模型并开发上层应用。建议程序员不要盲目跟风转行，尤其是已有技术或业务壁垒者。应先业余时间尝试，确认兴趣和优势后再做决定，避免因一时热情而"自废武功"。大模型虽是当前风口，但未来前景存在不确定性。
2025-11-18 11:09:29
632
原创 为什么大模型会“撒谎“：幻觉问题的根源与解决之道！
本文从统计学和激励机制角度分析大模型幻觉问题。研究表明，幻觉并非模型bug，而是预训练阶段不可避免的统计必然，因为生成任务比分类任务更难。当前主流评测体系的"二元评分"机制（答对得分，答错或不答都得0分）实际上奖励了模型的"猜测"行为，而非鼓励"诚实表达不确定性"。解决之道在于改革评测体系，引入置信度目标或对错误答案的惩罚，从根本上改变对模型的激励导向。
2025-11-18 11:08:11
734
原创 微软GAD框架突破：开源模型也能直接蒸馏黑盒GPT-5，开启AI新纪元！
目前主流的“黑箱蒸馏”方法（论文中称为 SeqKD）非常朴素：就是收集一大堆顶尖模型的问答对，然后用这些数据对自己的小模型进行监督式微调（SFT）。这种方法的局限性在于，学生模型只是在被动地模仿老师给出的标准答案，它从来没有机会生成自己的答案并得到反馈。这就像一个学生只背答案，却从不自己做题，导致学习效率不高，尤其是在举一反三（泛化）方面表现不佳。
2025-11-18 11:06:53
867
原创 AI产品开发秘籍：掌握核心技巧，打造领先的AI技术应用！
作为一名在科技互联网技术产品领域摸爬滚打了多年老兵，有幸见证了诸多产品的起落沉浮。发现那些最终能够脱颖而出的产品，无一不是在技术、商业和人性这三个维度上找到了完美的平衡点。将毫无保留地把从0到1打造产品的思考框架、实践经验和踩过的“坑”分享出来。
2025-11-18 11:04:55
953
原创 跨越35岁界限：大模型转型终极指南，程序员必备的收藏级攻略！
在技术飞速迭代的今天，35岁的程序员站在职业生涯的十字路口。传统技术栈更新换代，后起之秀不断涌现，许多这个年龄段的开发者不禁感到焦虑：我还能跟上技术发展的步伐吗？转行大模型领域是否为时已晚？
2025-11-17 16:25:57
596
原创 AI大模型时代红利：九大高薪岗位深度解析与IT人才转型必读，抢占3600万人才缺口先机！
本文详细解析了AI大模型时代催生的九大新兴高薪岗位，如首席AI官、AI基础设施工程师等，指出全球ICT岗位需求将激增3600万，人才供需严重失衡。同时提供了数据/IT人才转型AI大模型领域的完整路径，包括基础知识构建、目标方向选择、实战经验积累和持续学习等方面。强调AI大模型不仅不消灭岗位，反而创造更高价值的新工作，技术人才与智能体协作将成为未来工作常态。
2025-11-17 16:08:53
1152
原创 大模型强化微调实战指南：6大常见问题解决方案！
本文针对大模型强化微调(GRPO)训练中常见的6大问题提供解决方案：多任务奖励不均衡可通过奖励平衡和高奖励死区解决；样本难度问题可通过预奖励过滤处理；reward hack问题需持续监控调整；长期训练稳定性问题可通过增加batch_size和保持高熵性改善；优化僵局可通过熵抑制或动态采样解决；训练崩溃问题需通过重要性采样解决。这些方法能有效提升大模型训练的稳定性和效果。
2025-11-17 16:04:31
539
原创 揭秘OpenAI的Transformer黑科技：如何训练出「几乎全零」的模型？
OpenAI 做了一件几乎没人敢尝试的事：把 Transformer 的权重在训练中直接压到近乎全零，强迫它用极少的连接完成所有计算。在这种极端约束下，模型内部真正承担推理的“计算电路”第一次以可分离、可验证、可操控的方式显形。 这大概是我们迄今最接近理解 Transformer 内部机制的一次时刻。
2025-11-17 16:02:29
759
原创 【万字长文】AI智能体构建秘籍：四大主流框架深度解析与实战指南，从入门到精通！
本文系统介绍了AI智能体框架的价值与选型，详细分析了AutoGen、AgentScope、CAMEL和LangGraph四大主流框架的设计理念、优势与局限性。文章指出，从编写脚本到使用框架是软件工程思维的重要跃迁，框架能提升开发效率、实现组件解耦、标准化状态管理并简化调试。不同框架代表了"涌现式协作"与"显式控制"的不同设计哲学，开发者应根据应用场景选择合适的框架，理解框架设计中的权衡与取舍。
2025-11-17 15:56:30
825
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