- 博客(1535)
- 收藏
- 关注
RSS订阅
原创 程序员转型大模型开发：推荐方向、原因及学习路线，非常详细收藏我这一篇就够了！
程序员转行到大模型开发领域，可以根据个人兴趣和职业规划选择不同的方向。以下是几个推荐的方向、推荐原因以及学习路线：
2025-11-03 15:35:59
1419
原创 【技术干货】大模型智能体进阶指南：MCP协议详解与应用实践（建议收藏）
模型上下文协议（MCP）是一套开放标准，通过客户端-服务器架构实现大语言模型与外部系统的标准化通信。它让LLM能够访问资源、使用提示词和执行操作，突破了传统LLM仅限于文本生成的局限。MCP支持动态发现工具资源，简化复杂智能体系统开发，可应用于数据库集成、媒体编排、API交互、IoT控制等多个场景，是构建高效企业级AI智能体的关键技术。
2025-11-24 19:57:01
383
原创 必学收藏！提示词工程核心技巧解析，让AI输出更精准、更高效
文章系统介绍提示词工程的核心技巧与进阶方法，包括明确指令、提供背景等基础技巧，以及思维链提示等进阶方法。强调提示词工程是上下文工程的基础，通过合理组织指令可显著提升AI输出质量，并提供实用指南帮助用户提升与AI的协作效果。
2025-11-24 19:48:06
422
原创 【收藏】模型即Agent：大模型开发从复杂Workflow到简单While Loop的一年巨变
大模型Agent架构在过去一年从复杂Workflow框架演变为简单While Loop循环。随着模型能力快速提升(上下文窗口、工具调用准确率、多步推理深度大幅增强)，Claude 3.7等模型可直接理解任务意图，无需复杂编排。核心转变为从"框架编排模型"到"模型即agent"，只需详细Prompt、规划工具、子代理机制和文件系统四个要素。模型迭代速度远超框架设计速度，过度工程化框架很快会被淘汰，简单循环配合强大模型成为新趋势。
2025-11-24 19:39:14
465
原创 【必收藏】DeepMind Flamingo多模态模型全解析：统一视觉与语言的革命性突破
本文介绍DeepMind的Flamingo多模态模型，它首次融合视觉编码器、Perceiver Resampler与大语言模型，构建了能处理图像/视频+文本混合输入的通用视觉语言模型。文章详细解析了其架构设计，包括视觉编码器、感知重采样器、门控交叉注意力等核心组件，以及大规模多模态训练数据的构建方法。该模型实现了强大的few-shot和多任务泛化能力，在多项基准上刷新SOTA。
2025-11-24 19:27:46
409
原创 程序员必看！AI时代如何抓住高薪风口，收藏这份转型指南！
AI时代，基础编码岗位面临被替代风险，但懂AI、懂技术、懂业务的复合型人才将迎来职业升级。大厂加码AI，人才需求井喷，AI人才平均月薪超6万元。程序员应主动拥抱AI，通过系统学习大模型技术，从被替代者转变为AI驾驭者。
2025-11-24 18:47:11
515
原创 大模型加速神器：深入解析AWQ量化技术原理与应用(建议收藏)
AWQ(激活感知权重量化)是一种高效的大模型后训练量化方法，基于激活值分布识别约0.1%～1%的显著权重。通过对重要权重进行放大处理降低量化误差，实现全量量化但保持高精度。AWQ以通道为单位识别显著权重，采用通用低比特量化+缩放补偿方法，在几乎不损失精度的前提下显著降低内存占用并提升推理速度，同时通过group-size参数在精度和效率间取得平衡。
2025-11-24 18:29:02
567
原创 【收藏必学】DeepSeek OCR大模型突破：9倍压缩精度96%，AI开发者年薪30W+指南
DeepSeek-OCR通过上下文光学压缩技术实现文档9-10倍压缩，精度仍超96%，大幅提升长文档处理效率。AI行业岗位需求激增，覆盖200+应用场景，AI工程师平均薪资20.6K，跳槽涨幅可达30%-50%。掌握AI大模型技术已成为开发者"弯道超车"、实现高薪就业的关键
2025-11-24 11:22:00
457
原创 从零开始学RAG：10道精选面试题，助力大模型技术提升
本文详细解析了RAG技术的10个核心面试题，包括其与传统微调的区别、缓解大模型幻觉的机制、检索器类型及文档分块策略等。通过对比稀疏检索、稠密检索和混合检索，以及向量归一化和重排序等技术要点，帮助读者全面掌握RAG关键技术。最后介绍了RAG与微调的结合方式，适合希望深入大模型技术的学习者和从业者。
2025-11-22 19:58:45
662
原创 【强烈推荐】程序员必看：5个简单AI写作技巧，收藏这篇，让大模型帮你提升写作效率
这篇文章分享了作者两年AI写作经验的5个实用技巧：用AI快速搜集素材；卡壳时让AI帮忙续写；让AI优化表达；让AI扮演读者审稿；让AI生成多样化标题。作者强调这些技巧简单易用，不是炫技而是真正提高写作效率的干货。AI是工具而非天才，真正的创作力仍来自人，但这些技巧能帮助创作者节省脑细胞，减少试错成本。
2025-11-22 19:39:09
867
原创 【必收藏】大模型算法岗面试经验全解析：百度/腾讯/阿里大厂面试真题与知识点总结
本文详细记录了作者在百度、腾讯、阿里等大公司大模型算法岗位的面试经历，涵盖三轮技术面的问题与考察重点。内容涉及大模型结构、预训练与推理、位置编码、RLHF、超长上下文处理、Agent组件等核心知识点，以及股票算法等编程题。面试从基础八股问题逐步深入到综合素质和职业规划，全面展示了大模型岗位的面试要点和技术考察重点，为求职者提供宝贵参考。
2025-11-22 15:23:03
791
原创 【珍藏必备】从Transformer到LLM：一文掌握大模型架构与训练核心技术
本文详解了从Transformer架构到大型语言模型(LLM)的技术演进，包括自注意力机制如何解决长距离依赖问题，规模定律如何推动千亿级参数模型发展，以及预训练、微调和对齐三大训练阶段。同时介绍了KV缓存、量化和批处理等推理加速技术，为开发者提供清晰的技术路线图，助力更好地理解和应用大模型技术。
2025-11-22 14:52:00
869
原创 【必学收藏】基于DeepSeek大模型的农业专家系统Farm-RAG开源实战指南，建议收藏！！
文章介绍了基于DeepSeek大模型的开源农业专家系统Farm-RAG，该系统通过图像识别、智能灌溉、牲畜行为识别、农产品分级、生产规划、溯源报告、智能客服、基因数据建模等技术，实现了精准农业管理、生产流程优化、供应链管理和市场运营创新。系统已在多个农业场景中应用，显著提高了农业生产效率和产品质量，是农业智能化转型的重要工具。
2025-11-22 14:04:18
566
原创 【收藏】AI智能体深度解析：构建能思考、有记忆、可调用工具的数字员工
AI智能体是具有自主性的AI系统，能独立完成复杂任务，区别于传统AI的单一回应功能。文章通过咖啡机与咖啡师的比喻，阐述AI智能体如同"数字员工"，可自主理解场景、做出判断、沟通协调。详细介绍了构建AI智能体的步骤：分类任务、数据提取、调用外部服务、评估推理等，强调了其可自动化70%-90%工作量的能力，是未来大模型应用的重要方向。
2025-11-22 11:58:22
791
原创 基于DeepSeek手搓一个Rag知识库：RAG检索增强生成系统搭建全流程（含大模型DeepSeek部署+代码示例）值得收藏
文章详细介绍了RAG（检索增强生成）系统的构建原理与实现，通过"检索+生成"架构将外部知识库与大语言模型结合，减少模型幻觉和知识时效性问题。内容涵盖环境搭建、数据准备、向量检索和LLM生成等核心环节，使用Langchain框架、Chroma向量数据库和DeepSeek-R1模型提供完整代码实现，适合小白快速上手实践大模型应用。
2025-11-22 11:40:18
672
原创 收藏！大模型完全指南：从AI分类到LLM核心技术详解
文章系统介绍大模型基础知识：从AI演进历程与分类入手，详解LLM训练方法、Token处理机制及Temperature/Top P参数调控原理，并阐述AI产品的联网搜索、文件读取和记忆三大能力。同时分析全球AI发展现状，特别是中美对比及芯片限制影响，以及中国主要AI公司布局，为读者提供全面的大模型技术概览。
2025-11-21 20:01:24
836
原创 【珍藏干货】RAG检索模块优化：测试开发工程师如何让AI更准、更快、更稳
RAG检索模块优化是测试开发的重要领域，涉及向量化模型、Chunk策略、检索参数、混合检索和知识库更新五大方向。优化需通过建立评测基线、自动化回归评估和性能与语义联合验证，确保提质、降噪、提速。测试开发应构建Evaluation Pipeline，通过量化指标实现优化过程的可度量、可溯源、可复现，而非单纯依赖算法调参。
2025-11-21 19:44:15
795
原创 AI Agent核心技术详解：大模型+感知+记忆+工具，小白到程序员的必学指南（建议收藏）
本文深入解析了AI Agent的四大核心技术：大模型作为"大脑"负责理解推理；感知技术赋予环境感知能力；记忆组件实现长期学习积累；工具使用扩展功能边界。文章详细阐述了各技术的角色、功能、实现方式及应用场景，并探讨了这些技术在自然语言处理、图像识别、智能推荐等领域的应用价值以及未来发展趋势与挑战。
2025-11-21 19:24:04
864
原创 被秀到了，中科院一区TOP，多模态数据融合上大分！医疗AI大模型实战指南，速看！
文章介绍多模态数据融合在医疗领域的应用价值，推荐了肾癌复发预测、生物医学多模态融合、时空图注意力网络异常检测及抑郁症检测数据集等前沿研究。强调多模态融合已成为医疗领域关键技术，可通过编码器-解码器、注意力机制和GNN等方法优化，
2025-11-21 14:18:50
973
原创 【收藏级教程】小白也能看懂的多模态表示：CLIP与MoCo技术详解
文章介绍多模态表示如何融合文字、图片、声音等不同数据为统一表征，保留互补信息并过滤冗余。重点详解CLIP模型的双塔架构、对比学习训练方法和基于相似度的推理范式，以及MoCo通过动量编码器和动态队列解决对比学习中大规模字典构建问题。这些技术为多模态理解与生成奠定了基础。
2025-11-21 11:53:03
1103
原创 收藏必备！AI知识库原理与应用：让大模型告别“幻觉“，精准回答专业问题
AI知识库解决了通用AI模型缺乏特定领域专业知识的问题。通过预处理（文本分割、向量化、存储）、检索（匹配用户问题）和生成（整合信息回答）三大阶段，AI知识库能持久存储专业知识，解决直接上传文档的便利性、持久性和效率问题。无论是企业级还是个人级应用，AI知识库都能有效避免"AI幻觉"，让AI模型基于专业知识提供精准回答，极大提升AI在实际应用中的实用性和准确性。
2025-11-21 11:20:26
869
原创 收藏！5个HR大模型实战案例：从招聘到培训的AI落地指南
本文详述AI在HR领域的五大应用场景：智能招聘、实战培训、内容生成、管理辅导和员工服务。AI正从单一功能工具发展为深度参与业务的合作伙伴。HR应从痛点场景切入，让AI成为业务伙伴而非简单工具，实现从"把流程跑通"到"让业务跑得更好，让员工感受更好"的转变。真正有价值的HR将是敢于拥抱变化、亲自打磨AI应用的人。
2025-11-21 10:42:41
768
原创 【技术干货】AI Agent与Agentic AI：大模型应用开发的两种路径，建议收藏研读
本文系统区分了AI Agent与Agentic AI两种智能范式：AI Agent是LLM驱动的任务执行者，通过工具调用实现特定自动化；而Agentic AI是由多代理组成的协同系统，通过协作完成复杂目标。文章分析了它们的架构差异、应用场景、技术演进和挑战，并指出前者是"增强的工具"，后者是"自组织的生态"。这一区分有助于避免系统设计中的理念错配，为智能系统开发提供明确指导，未来将向更强的自主性和协作能力发展。
2025-11-20 19:57:47
757
原创 【值得收藏】Google最新Agent白皮书：从入门到生产级AI系统构建全攻略
Google最新发布的Agent白皮书是一份正式指南，旨在帮助开发者从概念验证过渡到构建生产级Agent系统。白皮书详细介绍了AI Agent的四大要素（模型、工具、编排层、部署）、五步工作循环、五级能力分类法，以及多Agent系统架构。重点讨论了Agent部署、运维、评估、交互性、安全性和学习进化等关键挑战，特别是如何确保系统的安全性、质量和可靠性，为企业级应用提供了实用指导。
2025-11-20 19:45:43
713
原创 大模型+外部工具=超强Agent！收藏这篇，小白也能玩转大模型高级应用
文章阐述大模型需结合提示词、思维链、知识库和外部工具才能发挥真正能力。大模型知识来源包括预训练数据、知识库和实时API工具。通过Agent技术，大模型能像人类一样完成复杂任务。提示词工程激发推理能力，思维链提供完整思考过程，外部工具提供实时信息和执行能力。这些技术结合使大模型从简单问答升级为全能助手。
2025-11-20 19:18:38
443
原创 Vision Transformer核心技术：图像块嵌入与Transformer架构【程序员必学收藏】
Vision Transformer (ViT)将图像转换为序列化数据用于Transformer。文章详解两种图像块嵌入方法：常规方法(图像分割+展平)和卷积层实现。ViT通过位置嵌入保留空间信息，CLS标记捕获全局特征。与CNN相比，ViT归纳偏置少，更灵活但需更多数据。图像块大小影响粒度与计算效率，是设计时需权衡的重要因素。
2025-11-20 14:29:30
861
原创 【必学】上下文工程2.0：从零构建AI理解力，大模型应用开发进阶之路
上下文工程是通过优化上下文的收集、管理和使用，提升AI理解和表现的技术，本质是将人类"高熵"意图转化为机器可理解的"低熵"指令。文章提出包含收集、管理、使用三阶段体系，解决AI感官残缺、理解有限、记忆缺失和注意力涣散四大缺陷。随着AI能力提升，上下文工程将经历2.0至4.0时代演进，最终融入核心架构，成为基础设施，让AI真正成为人的数字存在。
2025-11-20 11:53:56
659
原创 【值得收藏】低配设备也能跑！Qwen3-VL-2B模型部署全教程，小白也能变身AI开发者
阿里团队发布的Qwen3-VL-2B模型是轻量级多模态大模型，可在手机、树莓派等低配置设备运行。提供三种版本：Instruct版适合对话工具调用，Thinking版强化复杂视觉理解，FP8量化版适合硬件不足场景。文章详细介绍使用Ollama平台部署方法，即使小白也能通过简单"点点点"操作完成安装和体验，模型在OCR内容提取、图片理解等方面表现出色。
2025-11-20 11:08:13
784
原创 【收藏必看】RAGFlow：大模型知识库的终极解决方案，程序员必备神器
RAGFlow被作者认为是理想AI知识库的最终形态，拥有五大核心优势：强大的文档识别能力（包括扫描件）、精准灵活的智能分块策略、颠覆性的数据增强与编辑功能、多路召回与精准重排的搜索策略、强大的API与自动化潜力。尽管配置要求高且安装部署有一定难度，但其功能强大，是构建大模型知识库的优质选择。
2025-11-20 10:22:42
799
原创 【必看收藏】京东开出85k*20薪！零基础如何转型AI产品经理，大厂抢着要？
文章指出AI技术革命正改变产品经理岗位要求，京东等大厂高薪招聘能设计AI Agent产品架构的人才。大模型技术成熟后，竞争核心已转向谁能精准定义用户场景、设计流畅AI应用。文章推广"零基础入门AI产品经理"课程，帮助产品经理掌握AI产品化能力，包括技术原理、行业案例和实战项目，助其抓住AI产品浪潮，实现职业转型和提升。
2025-11-19 16:34:56
773
原创 面向工程师的Agent Skill全解析：AI助手的标准化工具调用与工程实践
Agent Skill是Claude Code中的模块化功能组件，本质上是预定义的工具调用规范，允许AI助手自动调用工具实现复杂任务自动化。通过标准化封装解决上下文碎片化、操作不一致、复杂任务分解和工具链集成复杂度等工程痛点。它分为Model-invoked、User-invoked、Personal、Project和Plugin五类技能，适用于团队标准化流程建设、重复性任务自动化等场景，但也存在开发成本和技术局限性。合理实施可让工程师专注于创造性工作。
2025-11-19 16:20:43
870
原创 【强烈推荐】收藏这篇！小白也能学会的大模型微调实战：从数据集到高性能模型
本文详细介绍了如何微调视觉语言模型(VLM)Qwen 2.5 VL以提升从手写图像中提取文本的性能。探讨了VLM相比传统OCR的优势，包括对手写文本的更好理解和可提供指令的能力。介绍了三步标注和微调流程：预测、审查纠正和重新训练，并详细讨论了SFT技术细节，如低学习率设置、标签正确性要求等。最终结果表明，微调后的模型在测试集上表现优于基线模型，准确率显著提升。
2025-11-19 15:32:54
906
原创 【收藏必学】一文读懂Transformer与MoE：大模型架构的终极指南(程序员必看)
文章详细解析了Transformer和专家混合模型(MoE)两种大模型架构。Transformer采用密集计算，通过自注意力机制处理序列数据；MoE使用条件计算，仅激活部分专家网络处理特定输入。Transformer简单强大，MoE能实现更大容量模型而不成比例增加计算成本。两者结合使用，能更有效地扩展模型智能能力，适用于不同场景和需求。
2025-11-19 14:50:58
994
原创 【收藏级干货】用AI大模型实现量化策略：内联编辑器实战教程
本文介绍如何使用内嵌VSCode编辑器的看海量化回测系统，结合AI编程插件实现量化策略开发。详细讲解了通过API方式获取AI服务的经济实惠方案，使用提示词工程使AI理解平台规范，以及如何通过清晰描述策略逻辑来实现"用说话的方式写代码"。文中提供了从策略构思到回测实现的完整实例，展示了如何将策略灵感转化为实际可运行的量化策略。
2025-11-19 11:56:16
671
原创 一文详解为什么 LLM 搞不定复杂任务？ReAct 与 Reflexion 技术综述，建议收藏！！
在人工智能领域，特别是大语言模型（LLM）的应用中，尽管模型在许多任务上表现出色，但在处理复杂任务时仍存在明显局限性。大型语言模型在处理需要多步骤推理、实时信息获取和动态决策的任务时，常常面临以下挑战
2025-11-19 11:43:29
972
原创 AI大模型小知识：4K→100K！无需训练，大模型上下文暴增25倍的革命性技术DCA详解，建议收藏！！
DCA（双块注意力机制）是一种无需训练即可将大模型上下文从4k扩展到100k+的技术。它通过将长文本分割成块，并实现三种注意力机制：块内注意力保持原有性能，块间注意力通过重映射相对位置实现跨块信息交互，连续块注意力确保块间平滑过渡。DCA计算效率更高，性能几乎不下降，且与现有技术兼容，适用于长文档分析、长记忆对话等场景。
2025-11-19 10:35:43
435
原创 【收藏必看】RAKG：用RAG“倒过来“建图，95.91%准确率碾压传统KGC三大痛点！
RAKG框架创新性地将RAG评估机制引入知识图谱构建，通过"预实体"锚定、双层检索和渐进式融合三大技术，解决了实体消歧、模式僵化和跨文档信息遗忘三大痛点。该框架实现95.91%准确率，比现有方法提升6.2个百分点，无需预定义schema，实现零规则维护和低幻觉率，为GraphRAG等应用提供高质量知识基础。
2025-11-18 15:23:04
389
原创 收藏必备！AI大模型架构升级：构建知识与能力中台，从“调API“到“建系统“的跨越
本文剖析传统AI应用架构缺陷，提出"知识与能力中台"新范式，帮助从业者实现从"模型使用者"到"系统构建者"的跨越。通过知识图谱、业务规则库和能力抽象层三大组件，将散落数据升华为结构化知识，将代码沉淀为可复用能力，解决RAG不等于知识、业务逻辑散落等问题，构建AI时代真正的核心竞争力。
2025-11-18 15:10:35
238
原创 收藏！小白也能学会！LangChain.js智能体开发指南：10大编排模式详解与实战应用
文章详细介绍了LangChain.js智能体开发框架的多种编排模式和中间件系统，包括现代架构下的ReAct Agent、监督者模式、计划-执行模式等，以及中间件增强的特殊模式如人机协作、模型降级、上下文管理等。同时涵盖经典架构中的多种Agent类型，帮助开发者全面理解智能体的搭建和设计过程，掌握大模型应用开发的核心技术。
2025-11-18 15:02:08
341
原创 【强烈推荐收藏】Transformer到底解决了什么问题？NLP发展史上的里程碑解析
文章从NLP发展历史出发，详述了从规则模型、统计模型到RNN/LSTM的演进过程，分析了RNN的梯度消失问题及LSTM的改进。最终引出Transformer模型，重点解释了其自注意力机制和多头注意力如何解决长距离依赖问题，以及位置编码、并行计算等创新点，展示了Transformer如何成为NLP领域的革命性突破。
2025-11-18 14:34:57
703
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