【值得收藏】大模型全景指南:技术实现、应用场景与学习资源,助力职场进阶

Dzzoffice结合OnlyOffice 报错排查流程总结 首先访问 OnlyOffice 首页,如下图:出现上图仍旧不能说明你的 OnlyOffice 服务已经成功安装,我们需要启动 OnlyOffice 服务测试用例来检测,可以看到上图出现了两条命令,第一条命令是用来启动测试用例服务的,我们只需要在后台执行该命令即可,Windows环境是以管理员身份运行Windows PowerShell输入即可运行了。 阅读详情

大模型的全称是大规模预训练模型,是指参数规模超过十亿级别的“预训练深度神经网络模型”,基于“大数据+大算力+大算法参数网络结构”进行训练,实现海量知识“记忆”。

数据的日益增多、算法的持续演进、算力的不断突破推动了大模型的出现,开启通用人工智能的新纪元,将人工智能从基于小模型的“小数据、单任务”向基于大模型的“大数据、多任务”推进。

2022年底ChatGPT的出现引发了世界范围内对大模型的关注。2023年,是中国大模型的发展“元年”,百模大战拉开序幕。2024年,是企业真正开始使用大模型技术并从中获得业务价值的一年。2025年初,DeepSeek发布引发全球轰动,进一步降低企业大模型应用门槛,并开启“智能体元年”,AI Agent将迎来规模化落地浪潮。

在过去的一年里,沙丘智库跟踪调研了国内外各行业头部企业超1000个大模型落地案例,输出800多份深度案例研究以及60多份大模型行业研究报告,已成为全球范围内大模型市场的主要参与者和观察者,也被上千家上市企业战略/IT中高层订阅。

本文汇总了沙丘智库近期在大模型方向的部分研究成果,包括大模型建设规划、技术实现方式、应用现状、市场格局、安全和风险管理等,旨在回答企业想要了解的关于大模型的热门问题。

Q1:企业应如何制定大模型应用落地规划?

Q2:企业如何构建AI新基建(AI Infra)?

Q3:2025年,大模型领域有哪些值得关注的技术创新?

Q4:企业如何选择大模型的建设路径?

Q5:企业如何构建RAG系统?如何利用GraphRAG补充现有RAG的不足?

Q6:企业如何构建基于大模型的AI Agent?

Q7:大模型在哪些场景的应用成熟度较高?

Q8:大模型在各行业的渗透情况如何?

Q9:有哪些值得参考的大模型落地案例?

Q10:大模型领域有哪些值得关注的厂商?

Q11:企业如何应对大模型带来的风险?

Q12:企业如何为员工制定大模型培训计划?

01 大模型建设规划


▎Q1:企业应如何制定大模型落地规划?

针对众多大模型应用场景,沙丘智库建议企业从业务价值和可行性两个维度进行应用场景的筛选和优先级排序。

在《2025年中国智能客服大模型应用场景评估报告》中,沙丘智库共定义了15个大模型应用场景,包括通话摘要、智能坐席助手、智能工单处理、会话分析、客服机器人、个性化服务、通话质检、情绪分析、知识库维护、智能陪练、即时翻译、客服智能体、智能分发、智能派单、智能排班,并按照业务价值与可行性进行优先级排序,旨在帮助企业客服部门制定出科学合理的大模型应用规划。

在《2025年中国保险业大模型应用场景评估报告》中,沙丘智库确定了当前对保险公司而言最有价值、最具可行性的17个大模型应用场景,包括代理人销售助手、员工知识助手、自动化理赔审核、代理人智能陪练、智能办公助手、个性化营销内容生成、客服坐席助手、编码助手、销售机器人(面客)、核保助手、客服机器人(面客)、ChatBI、测试用例生成、理赔助手、保险产品推荐、欺诈检测、审计助手。同时,沙丘智库对这些应用场景按照业务价值与可行性进行优先级排序,旨在为保险公司大模型应用选择提供参考。

在《2024中国银行业大模型应用场景评估报告》中,沙丘智库确定了当前对银行业而言最有价值、最具可行性的20个大模型应用场景,包括员工知识助手、智能文档助手、客服坐席助手(对内)、智能编码助手、智能办公助手、数据分析助手、软件测试助手、个性化营销素材生成、智能运维助手、信贷审批助手、反洗钱报告生成、对话交易助手、虚拟数字客服(对外)、智能营销助手、智能财富助理(对外)、合规审查助手、异常交易检测、智能审计助手、监管合规政策解读、贷后催收助手。同时,沙丘智库对这些应用场景按照业务价值与可行性进行优先级排序,旨在为银行业大模型应用场景选择提供参考。

在《2024年中国证券业大模型应用场景评估报告》中,沙丘智库确定了当前对证券公司最有价值、最具可行性的17个具体应用场景,包括投顾助手(对内)、投研助手、编码助手、风控合规助手、文档撰写助手、智能办公助手、市场情绪分析、智能客服、风险预警、量化因子挖掘、智能营销、自动化交易、虚拟数字人、基于大模型的智能投顾(面客)、投资组合管理、监管合规政策解读、客户身份验证。同时,根据对证券公司与大模型技术厂商的调研,对这些应用场景按照业务价值与可行性进行优先级排序,旨在为证券公司的大模型应用选择提供参考。

在《2024中国企业IT部门大模型应用场景评估报告》中,沙丘智库共定义了15个大模型应用场景,包括代码生成、测试用例和数据生成、威胁检测、非结构化数据处理、IT流程自动化、代码注释生成、代码评审、合成数据生成、自动文档生成、IT问答助手、数据管理、故障排查、日志监控、供应商管理和软件开发规划,这些应用场景将助力企业IT部门实现成本降低、效率提升、风险管理以及非财务价值,企业IT部门相关负责人可以根据大模型应用场景评估结果进行合理的资源投入与分配。

▎Q2:企业如何构建AI新基建(AI Infra)?

DeepSeek等前沿AI模型通过算法创新降低了对基础设施资源的需求,使得AI技术更加普及,企业可以更经济地部署和使用AI模型。企业需要将未来的AI基础设施战略与这些资源利用率高的模型对齐,以最大化AI创新的效益,优化基础设施投资,并确保适应未来变化。(详见《DeepSeek将如何影响企业基础设施战略?》)

AI基础设施(AI Infra)是指支持人工智能模型开发、部署和管理的硬件和软件资源的集合,包括计算、网络、存储、工程化工具、中间件和库等,这些组件协同工作,为执行AI任务提供高效、稳定和可扩展的支撑环境。

在《2025年中国AI基础设施(AI Infra)市场跟踪报告》中,沙丘智库将AI基础设施(AI Infra)技术栈分为三层架构——物理基础设施->AI平台->AI服务,可以理解为“发电厂->电网->用电服务”,每一层都将对性能、成本和可扩展性产生长期影响。

02 大模型技术实现路径


▎Q3:2025年,大模型领域有哪些值得关注的技术创新?

2024年9月,OpenAI发布了其首个推理模型OpenAI o1。随后2025年1月,DeepSeek以开放权重的形式发布了DeepSeek-R1,并且训练成本仅为其他大模型厂商的一小部分。DeepSeek-R1的发布引起了世界范围的关注,同时也提升了推理模型在行业的知名度。

推理模型是AI模型的高级进化形式,能够执行逻辑推理、解决复杂问题和多步骤思考。这些模型通过思维链过程和自我反思来模拟人类的思维模式,从简单的模式识别转向理解数据中内在的结构和关系。

推理模型更加适用于同时包含结构化和非结构化数据、并需要详细输出结果的场景,以下是一些理想的垂直行业应用场景。随着技术的发展和模型的成熟,推理模型将扩展至更多领域。(详见《2025年中国推理模型市场跟踪报告》)

大模型应用在执行多步骤任务时,会利用上下文信息来完成任务。然而,这个过程会导致大量信息和工具“噪声”的积累。随着时间的推移,这些积累的信息会超出大模型的上下文窗口限制,从而导致成本增加、延迟增加和性能下降。

通过有效的上下文管理,可以减少信息和噪声的积累,从而提高大模型应用的准确性和成本效率。尤其是在多智能体和复杂交互的环境中。例如,在一个多人对话的场景中,上下文工程可以更好地理解每个人的对话背景和意图,从而生成更准确、更自然的响应。

上下文工程(Context Engineering)是一种系统性的方法,用于设计、优化和管理提供给大模型的上下文信息,旨在提高输出的准确性、相关性、可靠性并优化成本。通过构建一个能够动态提供知识和约束的全面系统,上下文工程能够支持大模型在复杂多步骤任务中的高效执行,从而提升整体性能。(详见《2025年上下文工程市场指南》)

▎Q4:企业如何选择大模型的建设路径?

对企业而言,大模型的建设路径有多种,企业需要了解每种大模型建设路径的技术差异以及优缺点,考虑所有关键因素,由此选择最合适企业的大模型建设路径。

沙丘智库将大模型的建设路径分为五种:购买嵌入了大模型的应用、调用大模型的API接口、通过信息检索扩展大模型、在大模型的基础上微调、自建基础大模型,沙丘智库对比了这五种大模型建设路径的优劣势,并为企业提供了一种选择大模型建设路径的决策框架(详见《企业如何选择大模型的建设路径?》)。

▎Q5:企业如何构建RAG系统?如何利用GraphRAG补充现有RAG的不足?

RAG(Retrieval-Augmented Generation,检索增强生成)是一种人工智能框架,旨在利用大语言模型(LLM)进行跨外部知识源的自然语言查询。RAG的核心思想是通过“外挂知识库”的方式给大模型提供更可靠的知识来抑制模型产生幻觉,通过定期迭代知识库的方式解决大模型知识更新慢和训练成本高的问题。

在实践RAG的过程中,企业会发现RAG走通很容易,但实际落地生产的难度非常大。在《2024年“大模型+RAG”最佳实践报告》中,沙丘智库总结了企业在RAG系统建设中的常见问题与最佳实践。为企业提供一份全面的RAG应用指南,以及18个典型案例作为参考。

除了上述对RAG链路本身的优化以外,对RAG系统的性能进行持续监控和评估也是确保其在实际应用中高效、可靠且安全运行的关键。因此,沙丘智库《RAG系统评估方法论研究报告》通过研究RAG系统的评估方法,旨在为企业RAG系统的应用投产提供参考。

GraphRAG是一种结合知识图谱和RAG的先进技术,利用知识图谱来提高检索的召回率和准确率,进而提升RAG系统的准确率、可靠性和可解释性。(详见《2025年GraphRAG最佳实践报告》)

GraphRAG可以直接从知识图谱中提取事实信息,还可以利用知识图谱中的结构化信息间接地优化其他检索策略。通过添加知识图谱中的上下文信息,GraphRAG能够更精确地定义搜索范围,将与查询无关的信息尽可能地排除在外。

GraphRAG有多种实现方式和架构,总的来看可以分为如下三种类型——基于查询的 GraphRAG、基于内容的 GraphRAG和Agentic GraphRAG。

▎Q6:企业如何构建基于大模型的AI Agent?

2025年是“智能体元年”,AI Agent将迎来规模化落地浪潮。沙丘智库观察到AI Agent的技术路径正在走向统一,通用型AI Agent的雏形已经出现,企业级AI Agent应用价值在部分场景也已被验证,越来越多的厂商涌入这一领域,形成了复杂且多元的产业生态。

面对这一快速变化的新兴市场,沙丘智库发布了AI Agent系列研究报告,旨在通过系统性的技术研究,更好地帮助企业决策者、投资者以及行业从业者理解技术发展趋势、市场竞争格局、把握发展机遇。

《AI Agent架构设计模式研究报告》:沙丘智库将当前最常见、最成熟且最重要的基于大模型的AI Agent的架构设计模式分为7大类、具体26种,通过合理使用这些模式,企业可以构建出高效、可靠且安全的AI Agent系统。

《2025年AI Agent开发平台市场跟踪报告》:本报告旨在深入剖析中国AI Agent开发平台市场的现状与趋势,从产品核心功能、使用场景、用户需求分析、技术实现路径、典型供应商等多个维度,对AI Agent开发平台市场进行全面跟踪与研究。为相关企业、投资者、开发者以及关注该领域的专业人士提供全面、客观、深入的市场洞察。

《2025年AI Agent应用最佳实践报告》:本报告为企业提供了一份全面的AI Agent建设指南,并精选了21个企业级AI Agent应用实践案例,覆盖数据分析、智能客服、智能运维、软件开发等场景,为企业落地AI Agent应用提供参考。

《AI Agent供应商选型方法论研究》:企业采购AI Agent绝非简单的技术选型,而是需要确保在业务、合规、战略、生态层面的全方位契合。通过系统化、穿透性的问题清单,验证供应商AI Agent产品/解决方案的成熟度、透明度、可问责性以及与企业需求的真实匹配度,并确保AI Agent产品能够以一种负责任的方式集成到现有的系统生态中,避免潜在的冲突和风险,包括隐性成本、效能风险、安全与合规风险等。

《AI Agent技术应用与关键问题研究报告》:本报告回答了关于AI Agent的16个关键问题,帮助企业快速了解AI Agent技术的“理想与现实”,从而更好地管理期望并避免投资失败。

《2025年金融业智能体最佳实践报告》:本报告深入分析智能体为金融行业带来的变革与挑战,金融业(包括银行、保险、证券等金融机构)智能体的建设进展与应用场景等,帮助金融机构了解这一新兴市场;同时,提供头部金融机构(包括银行、保险、证券等)在智能体技术方面的16个落地实践,为其他金融机构提供参考。

03 大模型的落地现状


▎Q7:大模型在哪些场景的应用成熟度较高?

从场景分布上看,2025年1-6月大模型落地案例中智能客服占比最高(22.1%),其次为知识助手(9.6%)、数据分析(8.4%)、AI编码助手(6.0%)。

大模型在智能客服场景的应用大范围“爆发”,且部分企业已经在开展对客使用。大模型技术的快速发展以及推理成本的大幅下降是大模型落地智能客服的加速剂,预计未来1-2年各行各业都将利用大模型升级原有的智能客服系统。在《2025年“大模型+智能客服”最佳实践报告》中,沙丘智库为企业提供一份全面的“大模型+智能客服”应用指南,包括“大模型+智能客服”的落地进展、实施方法论与22个典型实践案例(涉及金融、零售、通信、IT/互联网、能源制造等行业)。

“大模型+数据分析”应用正在从金融行业向制造、能源等传统行业迈进。金融行业由于数据基础较好,在过去1-2年率先探索大模型在数据分析场景的应用,通过对话问数方式赋能业务人员、深度挖掘企业数据价值。当前,制造、能源等传统行业的企业也在积极探索这一场景的大模型落地。在《2025年“大模型+数据分析”最佳实践报告》中,沙丘智库深入分析了大模型与数据分析相结合的最新进展和应用场景,并提供了企业级落地指南和20个头部企业的实践案例,覆盖金融、IT/互联网、能源、零售、政务等多个行业,为企业实施“大模型+数据分析”提供全面参考。

随着大模型在数据分析场景应用的深入,企业有必要深入考虑语义层建设的重要性。语义层是连接数据与业务逻辑的桥梁,它能够将复杂的数据转化为易于理解和应用的知识。通过语义层的建设,企业可以实现数据的标准化、规范化和语义化,从而让数据真正“活”起来。无论是业务人员、数据分析师还是决策者,都能够通过语义层快速获取所需信息,并基于这些信息做出更明智的决策。沙丘智库发布的《“大模型+数据分析”系列研究——语义层建设指南》,旨在深入研究语义层的定义与核心功能、语义层的三种技术实现路径、语义层在对话式数据查询中发挥的作用,并为企业级语义层建设提供参考指南。

▎Q8:大模型在各行业的渗透情况如何?

从行业分布上看,2025年1-6月大模型落地案例中银行业占比最高(18.1%),其次为政府与公共服务(13.3%)、制造(12.4%)、IT/互联网(10.8%)。

针对银行、保险、银行、央国企、制造、消费品零售等细分行业,沙丘智库进行了系统性的大模型应用跟踪:

在《2025年中国银行业大模型应用跟踪报告》中,沙丘智库全面解读银行业大模型落地进展,从国有银行、股份制银行、城商行中选择了9家银行(中国工商银行、中国邮政储蓄银行、招商银行、中信银行、中国民生银行、华夏银行、北京银行、江苏银行、青岛银行)作为标杆对象,深入研究这些银行的大模型技术体系、建设路径、应用场景、落地方法论等。同时,针对知识库类、智能客服类、数据分析类、代码类以及创新场景类应用,精选了22个银行业大模型典型案例,旨在为其他银行提供经验借鉴。

在《2025年中国保险业大模型应用跟踪报告》中,沙丘智库全面解读保险业大模型市场概况,洞察行业发展趋势,为保险公司提供制定大模型战略的关键考虑因素和实施路径。深入剖析中国人保、中国太保、泰康保险集团、阳光保险等标杆企业的大模型应用实践;精选了12个保险业大模型典型案例,展示大模型在保险业务全流程中的创新应用。

在《2025年中国证券业大模型应用跟踪报告》中,沙丘智库对全量151家证券公司进行系统性研究,并从中选择了15家值得重点关注的标杆证券公司,研究其大模型应用场景覆盖情况、大模型建设方式、智能体建设进展,旨在帮助证券公司洞察技术趋势、识别市场机会、学习成功经验。

在《2025年央国企大模型应用跟踪报告》中,沙丘智库深入分析了央国企大模型建设进展,包括技术体系布局、建设投入、采纳情况、建设方式、应用场景等;同时,提供头部央国企的23个大模型落地实践,旨在为其他央国企提供参考。

在《2025年中国制造业大模型应用跟踪报告》中,沙丘智库深入调研了制造业企业的大模型采纳情况、建设方式、应用挑战等,梳理了27个核心的制造业大模型应用场景,并精选了15个典型的制造业大模型落地案例,旨在帮助制造业企业洞察技术趋势、识别市场机会、学习成功经验。

在《2025年中国消费品零售业大模型应用跟踪报告》中,沙丘智库按照应用场景的受众和性质,将消费品零售业大模型应用场景按照人(用户侧)、货(产品侧)、场(销售侧)、通用场景进行划分,并针对这些应用场景精选了36个消费品零售企业大模型典型案例,旨在为其他消费品零售企业提供经验借鉴

▎Q9:有哪些值得参考的大模型落地案例?

企业需要持续跟踪大模型技术的最新动态,以确保能够挖掘大模型技术的应用潜能,这对于企业保持竞争力、创新和适应市场变化来说至关重要。

沙丘智库《大模型应用跟踪调研》采取按月更新的方式,通过企业调研、公开信息等多种渠道,收录的案例均为已产生阶段性成果、值得企业参考的案例,旨在帮助企业及时了解大模型应用的最新进展,调整战略规划,确保技术投资与未来的发展方向一致。

04 大模型的市场格局


▎Q10:大模型领域有哪些值得关注的厂商?

随着生成式AI技术的飞速发展,越来越多的厂商涌入这一领域,形成了复杂且多元的产业生态。为了更好地呈现生成式AI领域的竞争格局和发展态势,沙丘智库发布《2025年中国生成式AI主流厂商市场指南》,报告中精心绘制了「生成式AI主流厂商全景图」,帮助从业者快速了解生成式AI产业全貌。

在需求的推动下,AI Agent市场逐渐衍生出支持AI Agent应用构建的平台层市场以及面向不同用户和场景的应用层市场。

在《2025年中国AI Agent主流厂商市场指南》中,沙丘智库精心绘制了「中国AI Agent主流厂商全景图」,帮助从业者快速了解AI Agent产业全貌。

垂直到金融领域,在《2025年金融业智能体主流厂商市场指南》中,沙丘智库绘制金融业智能体主流厂商全景图,帮助企业用户选择更适合的产品/解决方案。

在“大模型+数据分析”领域,生成式BI不仅停留在智能问数功能,更是向Agentic分析迈进。在《2025年“大模型+数据分析”主流厂商市场指南》中,沙丘智库根据市场上“大模型+数据分析”产品的能力和功能,将其划分为生成式BI和数据分析Agent两大类。

在“大模型+智能客服”领域,传统智能客服供应商积极将大模型技术融入其自身的产品/解决方案中,这也为企业客服部门提供了快速启动大模型应用的独特契机。在《2025年中国“大模型+智能客服”主流厂商市场指南》中,沙丘智库从产品成熟度、行业落地深度、商业化进展等维度进行评价,筛选出各个细分市场的领先企业,并绘制“大模型+智能客服”主流厂商全景图,帮助企业用户选择更适合的产品/解决方案。

05 安全和风险管理


▎Q11:企业如何应对大模型带来的风险?

企业在使用大模型时的潜在风险包括:数据隐私和保密性、生成内容的准确性、网络安全、员工滥用、违反法律法规、供应商风险,企业需要实施相应的治理和安全控制措施,并了解数据、隐私和安全相关的法律法规(详见《企业使用大模型的风险与应对》)

随着大模型技术的发展,越来越多的企业根据自身需求定制开发AI Agent以更好地赋能业务,但也引入了传统软件系统不具备的新型攻击面和风险。《企业级AI Agent安全防护操作指南》是一份指导企业如何在享受AI Agent技术红利的同时,系统性防御其新型安全风险的操作指南。

▎Q12:企业如何为员工制定大模型培训计划?

人才是企业充分发挥大模型潜力的关键,但当前企业在大模型人才准备方面明显不足。为了提高员工大模型技能,企业应根据大模型建设目标为员工制定与创造价值直接相关的培训计划,

《企业如何为员工制定大模型培训计划?》旨在帮助企业解答:如何确定大模型的培训目标?如何制定不同层次的培训计划?以及如何评估大模型培训的有效性?

普通人如何抓住AI大模型的风口?

领取方式在文末

为什么要学习大模型?

目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 , 大模型作为其中的重要组成部分 , 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力, 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ,为各行各业带来了革命性的改变和机遇 。

目前,开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景,其中,应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。
在这里插入图片描述

随着AI大模型技术的迅速发展,相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业:
在这里插入图片描述

人工智能大潮已来,不加入就可能被淘汰。如果你是技术人,尤其是互联网从业者,现在就开始学习AI大模型技术,真的是给你的人生一个重要建议!

最后

只要你真心想学习AI大模型技术,这份精心整理的学习资料我愿意无偿分享给你,但是想学技术去乱搞的人别来找我!

在当前这个人工智能高速发展的时代,AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长,真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料,能够帮助更多有志于AI领域的朋友入门并深入学习。

真诚无偿分享!!!
vx扫描下方二维码即可
加上后会一个个给大家发

在这里插入图片描述

大模型全套学习资料展示

自我们与MoPaaS魔泊云合作以来,我们不断打磨课程体系与技术内容,在细节上精益求精,同时在技术层面也新增了许多前沿且实用的内容,力求为大家带来更系统、更实战、更落地的大模型学习体验。

图片

希望这份系统、实用的大模型学习路径,能够帮助你从零入门,进阶到实战,真正掌握AI时代的核心技能!

01 教学内容

图片

  • 从零到精通完整闭环:【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块,内容比传统教材更贴近企业实战!

  • 大量真实项目案例: 带你亲自上手搞数据清洗、模型调优这些硬核操作,把课本知识变成真本事‌!

02适学人群

应届毕业生‌: 无工作经验但想要系统学习AI大模型技术,期待通过实战项目掌握核心技术。

零基础转型‌: 非技术背景但关注AI应用场景,计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能突破瓶颈: 传统开发者(Java/前端等)学习Transformer架构与LangChain框架,向AI全栈工程师转型‌。

image.png

vx扫描下方二维码即可
在这里插入图片描述

本教程比较珍贵,仅限大家自行学习,不要传播!更严禁商用!

03 入门到进阶学习路线图

大模型学习路线图,整体分为5个大的阶段:
图片

04 视频和书籍PDF合集

图片

从0到掌握主流大模型技术视频教程(涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向)

图片

新手必备的大模型学习PDF书单来了!全是硬核知识,帮你少走弯路(不吹牛,真有用)
图片

05 行业报告+白皮书合集

收集70+报告与白皮书,了解行业最新动态!
图片

06 90+份面试题/经验

AI大模型岗位面试经验总结(谁学技术不是为了赚$呢,找个好的岗位很重要)图片
在这里插入图片描述

07 deepseek部署包+技巧大全

在这里插入图片描述

由于篇幅有限

只展示部分资料

并且还在持续更新中…

真诚无偿分享!!!
vx扫描下方二维码即可
加上后会一个个给大家发

在这里插入图片描述

树莓派5使用CSI摄像头 | 树莓派5接上CSI摄像头后命令行操作显示检测无设备 此系列用于记录树莓派5的一些操作,这篇文章讲述树莓派5如何使用CSI摄像头。 阅读详情

相关推荐

别光看教程了!手把手带你用STM32F103C8T6最小系统板点亮第一个LED(附完整电路图)

本文详细介绍了如何使用STM32F103C8T6最小系统板点亮第一个LED,从硬件连接到软件开发环境搭建,再到编写和下载程序,手把手教你完成STM32入门的第一步。适合初学者快速上手STM32开发,附完整电路图和代码示例。

weixin_28678831的博客 197

如何构建企业级的AI大模型?

在实际应⽤中,大模型的解决⽅案在企业业务场景中的落地并⾮仅是单⼀的模型问题,⽽是基于业务需求构建的系统性问题。企业在落地大模型通常需要经过⼏个关键步骤:模型评估、模型数据准备、模型微调与训练、模型合作、模型优化、模型应⽤。

xiangxueerfei的博客 1644

【eNSP 华为模拟器】小型校园网模拟环境的设计与配置(附eNSP源文件)

【eNSP 华为模拟器】小型校园网模拟环境的设计与配置 一、实验概述 二、交换机的配置 2.1 二层交换机的配置 2.2 三层交换机的配置 三、路由器的配置 四、实验结果 五、实验总结 一、实验概述 按照以下的拓扑连接,自行设计VLAN和IP地址等网络参数,实现PC1到PC2的IP通信。其中,R1,R2为路由器;LSW1,LSW4为3层交换机;LSW2,LSW3 ,LSW6, LSW7为2层交换机;CLIENT1-CLIENT12为PC机。 拓扑图 课程设计要求:(1)IP地址自行规划设计,应该清晰地

qq_43757282的博客 4万+

如何构建企业级的AI大模型?只看这篇就够了_企业内部大模型怎么做出来的

模型评估‍‍‍‍模型评估⼀直以来都是⼈⼯智能领域的重要议题。从机器学习,到深度学习,再到现在的⽣成式 AI,不同阶段的模型评估指标也呈现不同的特点。在机器学习和深度学习阶段,模型的主要任务是分类(分类模型)和预测(回归模型),模型结果是否正确是明确的。分类模型的主要评估指标是准确率、召回率、精确率、F1 等等。但是到了⽣成式 AI 阶段,基于通⽤⼤型基础模型,模型的主要任务变成了⽂本⽣成和图像⽣成等。⽣成的⽂本与图⽚是否“正确”具有强烈的主观性,计算维度也与之前不同。

qingkahui24689的博客 1931

从轻量化到高精度:3DXML 转 STP 的工程数据升级技术指南

本文详细解析了3DXML转STP格式的工程数据升级技术,对比了两种格式在轻量化和高精度方面的特性差异,并提供了CATIA、FreeCAD及Python编程等多种专业级转换方案。通过实际案例展示了如何确保转换过程中的数据精度,适用于CAD设计、精密制造等场景,帮助工程师实现工程数据的高效升级。

weixin_29201859的博客 215

基于Simulink的IEEE33节点配电网仿真实战:从建模到分布式能源集成

本文详细介绍了基于Simulink的IEEE33节点配电网仿真实战,从基础建模到分布式能源集成。通过MATLAB脚本管理参数、搭建Simulink模块,并集成风机和光伏系统,实现高效配电网仿真。文章还涵盖潮流计算、故障分析及性能优化技巧,为电力系统仿真提供实用指导。

git9versioner的博客 994

企业入局大模型第一关:如何选择适合自己的产品?

大模型已成为企业业务增长和商业变革的新引擎,如何从琳琅满目的大模型中选择一款更适合自己的产品,成为了企业面临的第一个难题。本文从长文本能力、结构化和非结构化数据处理能力、理解能力、部署环境等维度对11款主流大模型进行了深度分析。

weixin_71991037的博客 1034

一维光子晶体态密度计算与应用解析

态密度(DOS)是凝聚态物理和光子学中的核心概念,描述了量子态在能量空间的分布规律。基于麦克斯韦方程组的周期性介电结构分析表明,一维光子晶体通过布拉格散射形成光子带隙,其态密度曲线呈现典型的范霍夫奇点和禁带特征。这种特性使光子晶体在光学工程中具有重要价值,特别是在滤波器设计和传感器开发领域。通过转移矩阵法等数值计算手段,可以精确预测带隙位置和宽度,其中折射率对比度与周期数是关键设计参数。实际应用中,1550nm通信波段滤波器常采用Si/SiO2交替结构,而引入缺陷层则能产生高Q值缺陷模。计算优化时需注意数值

weixin_36487018的博客 195

制造业如何与大模型深度融合?6家头部企业大模型探索与实践

大模型给各行各业带来了巨大期待,制造业也不例外。大模型的通用性、泛化性,有望从研发设计、生产制造、设备运维、质量管理、销售客服、经营管理等多个领域赋能制造业。例如在研发设计阶段,大模型能够分析市场趋势、用户反馈和技术创新,为产品设计提供智能辅助,使企业更准确地满足市场需求;在生产制造环节,大模型的应用将会使生产工艺优化提升到一个新水平,通过分析大量生产数据,大模型能够识别潜在问题、提前预测设备故障,并优化生产流程,从而提高生产效率和降低成本;

2301_76161259的博客 2347

华强北手表256G真相大揭秘:ADB命令实测内存与存储(附完整调试教程)

本文通过ADB命令实战揭秘华强北智能手表256G存储等硬件参数的真实性。文章提供了从开启调试模式到使用ADB命令查询系统属性、验证内存与存储容量的完整教程,帮助用户识别参数虚标,评估设备真实性能与潜在风险。

e3f4g5的博客 1244

基于计算机视觉的无人便利店技术:从算法到部署的系统化实战指南

摘要:本文系统介绍了基于计算机视觉的无人便利店技术方案,提出"商品检测-跟踪-动作识别-防损-结算"五段式流水线架构。详细阐述了YOLOv8-Seg商品检测、OC-Sort多目标跟踪、3D-CNN+ST-GCN动作识别等核心算法实现,并完成NVIDIA Jetson Xavier NX边缘端的优化部署。通过TensorRT量化、DeepStream加速等技术手段,系统在保持94.7%动作识别准确率的同时,将漏单率降至0.8%,单店云端算力成本较行业平均降低84%。所有代码已开源,可直接应

博客 627

PyTorch强化学习——PyTorch基础详解

我们将使用 PyTorch 作为实现强化学习算法的数值计算库。PyTorch 是 Facebook 开发的科学计算和机器学习库,张量 (Tensor) 是 PyTorch 中的核心数据结构,类似于 NumPy 中的 ndarray。

AAI666666的博客 2227

18、Excel VBA编程:自定义函数创建与代码调试全攻略

本文详细介绍了Excel VBA中自定义函数的创建方法,以获取单元格注释为例演示了完整开发流程,并深入讲解了代码调试的重要性与核心工具。内容涵盖三种主要错误类型及其应对策略,系统介绍了调试工具栏、断点、逐行执行、Locals窗口、Immediate窗口等实用功能。通过综合案例展示了如何运用调试技术解决实际问题,并总结了提前规划、逐步测试、日志记录等最佳实践,帮助读者提升VBA编程效率与代码质量。

life6的博客 101

收藏!AI大模型时代九大新兴岗位全景图(附转型指南)

最近和身边的程序员、职场朋友聊天,高频话题离不开“AI替代焦虑”——客服担心被智能应答取代,数据岗从业者吐槽工作越来越卷、求职难度飙升。其实大家完全不必过度恐慌,技术迭代的本质从不是“淘汰”,而是“重构”:旧岗位被优化的同时,必然会催生出一批适配新趋势的高薪岗位。IDC白皮书《智能世界的ICT岗位与技能》就为我们揭开了这场变革的核心真相:到2030年,全球ICT岗位需求将激增3600万,总量突破9700万。其中,,成为行业争抢的核心资源。那么,AI大模型浪潮下,到底有哪些值得深耕的新兴岗位?

大模型研究中心 1088

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

收藏!2025大模型时代AI就业全景指南+零基础学习路线(小白/程序员必看)

自2022年11月30日ChatGPT横空出世,人工智能便以"产业变革者"的姿态打破行业边界,掀起全球性的技术革命浪潮。如今的AI早已脱离实验室的理论桎梏,深度渗透金融风控、智能医疗、智能制造、在线教育等千行百业——不仅在重构企业的商业模式与运营流程,更在重塑大众的职业发展认知:既让部分重复性传统岗位面临替代风险,也催生出一批与大模型、多模态等前沿技术深度绑定的全新就业赛道。

ytt0523_com的博客 1351

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

收藏!2024-2026中国大模型市场全景:规模突破+梯队格局,程序员入行机遇解析

对于想要入局大模型领域的程序员小白,或是寻求赛道转型的技术从业者来说,摸清行业市场现状与发展潜力,是把握机遇的关键第一步。最新行业数据显示,中国大模型市场正处于高速增长的黄金期:2024年市场规模已攀升至294.16亿元,其中多模态大模型表现亮眼,贡献了156.3亿元的市场份额,数字人交互、游戏内容生成、企业智能客服等下游应用场景增长迅猛;更有权威预测指出,到2026年这一市场规模将突破700亿元大关,行业发展潜力不可限量。图源自36氪研究院图源自36氪研究院。

m0_48891301的博客 1120

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

收藏!大模型赛道全指南:就业竞争力打造+保研路径规划(2026小白必看)

大模型本质是具备大规模参数与复杂神经网络结构的机器学习模型,通常拥有数十亿至数千亿级别的参数规模,核心优势在于通过海量数据训练,具备强大的模式识别、特征学习与泛化能力,能高效处理各类复杂任务。与传统机器学习模型相比,大模型无需针对特定任务进行精细化设计,可灵活适配多场景需求。其应用场景已渗透到科技与产业各领域,核心集中在自然语言处理(NLP)、计算机视觉(CV)、语音交互、跨模态融合四大方向,我们日常使用的AI对话助手、智能翻译工具、图像生成软件、推荐系统等,本质上都是大模型技术落地的产物。

EnjoyEDU的博客 1053

收藏!2025中国大模型市场全景解析:规模破290亿,竞争梯队+核心玩家一文看懂(小白&程序员必学)

最新行业数据显示,2024年中国大模型市场迎来爆发式增长,整体规模已达到294.16亿元,其中多模态大模型成为核心增长引擎,贡献了156.3亿元的市场份额,数字人交互、游戏场景革新、智能办公升级等下游应用场景增长势头尤为迅猛。更有权威机构预测,随着技术迭代加速与行业落地深化,到2026年中国大模型市场规模将成功突破700亿元大关,赛道潜力持续释放,成为科技领域最值得关注的风口之一。对于想要入局大模型领域的小白开发者,或是寻求技术方向突破的程序员来说,理清市场格局、认识核心玩家是入门的关键一步。

EnjoyEDU的博客 1748

可能是全网最全的DeepSeek各名校文档合集48篇

本文整理浙江大学、清华大学、北京大学、厦门大学等顶尖高校的独家课程、技术白皮书及行业解决方案,覆盖算法原理、企业应用、政府数字化转型等10大核心场景,助你抢占AIGC技术红利!《智能时代的人机协作新常态》《DeepSeek本地化部署与AI通识教育》《语言解码双生花》等8篇技术前沿报告。从《DeepSeek从入门到精通》到《AI幻觉研究》《科研聊天化实践》,解锁职场&科研双重技能树。《提示词工程落地指南》《AIGC应用开发实战》《R1类强推理模型开发手册》3篇硬核文档。📌 ​技术人必看的模型优势白皮书。

x10n9的博客 476

收藏!2026 新版 AI 发展全景解析:从工具进化成伙伴,普通人抓住转型窗口期

AI不会彻底消灭工作,而是改变工作的价值来源。当前仍是重要窗口期,预计2026-2028年尤为关键,但这一窗口正在逐步收窄。普通人无需过度焦虑,只需以客观趋势为依据,主动培养编排能力、积累个人优势,并保持对自身决策的掌控,便能更好地融入未来。

2301_76168381的博客 1462

一文搞懂大模型!从入门到企业布局全攻略,建议收藏!

在当今数字化时代,大模型技术宛如一颗璀璨的新星,照亮了人工智能发展的道路,为各行业带来了前所未有的变革与机遇。无论是在自然语言处理领域让机器流畅理解和生成人类语言,还是在图像识别中精准辨别各类复杂图像,亦或是在智能医疗、金融风控等行业发挥关键作用,大模型都展现出了惊人的实力。那么,大模型究竟是什么?它是如何运作的?企业又该如何布局以充分利用这一前沿技术呢?接下来,让我们一同深入探索大模型的世界,从入门知识到企业布局,全方位为你解析。

weixin_59191169的博客 1473

思考大模型如何为企业赋能,并提升竞争力

本文主要探讨了大模型的智能化方面底层机制和未来发展方向,重点介绍了大模型在不同领域中的机遇和应用场景。同时,本文还对应用大模型的平台构建、技术实现、安全合规等方面进行了系统的介绍。在后续的文章中,将会进一步细说领域大模型的落地实践,让大家更加深入地了解这一领域的发展。

aolan123的博客 1666

Finetuner+:为企业实现大模型微调和私有化部署

如 ChatGPT、GPT4 这样的大型语言模型就像是你为公司请的一个牛人顾问,他在 OpenAI、Google 等大公司被预训练了不少的行业内专业知识,所以加入你的公司后,你只需要输入 Prompt 给他, 介绍一些业务上的背景知识,他就能马上上手干活了。然而,由于这个顾问专家不是你们公司所独有的,我们将利用客户的所在领域的中文语料,采用无监督学习的方式,将根据客户的具体需求和任务设计特定的微调方法和策略,让模型专注学习特定领域的知识,以确保模型在处理该领域的中文任务时能够达到最佳的效果。

Jina AI 的博客 2989

大模型技术赋能企业:七大落地场景深度解析

在当今数字化时代,人工智能(AI)技术,特别是大模型技术,正在逐步改变企业的运营模式和业务流程。大模型技术以其强大的语言理解、文本生成、函数调用和写代码等能力,为企业带来了前所未有的创新和价值。(1)对话助手对话助手是大模型技术最基础也是最广泛的应用形态。基于知识库数据源和API查询,对话助手能够实时回答用户问题,提供高效的信息传递。例如,某一乘用车通过搭建基于AI大模型的汽车在线问答平台,实现了对非结构化文档(如PDF、Word等)的智能知识交互,提升了员工工作效率和学习能力。

xiaoganbuaiuk的博客 1602

企业如何建立自己的专属大模型?

向量数据库因为AI大模型最近很火。向量数据库是一种专门用于存储、 管理、查询、检索向量的数据库,主要应用于人工智能、机器学习、数据挖掘等领域。向量是一组数值,可以表示一个点在多维空间中的位置。简单理解就是在AI的世界中,处理的所有数据都是向量的形式,比如“我爱吃荔枝”,在大模型处理的过程中,计算机会转化为向量的形式:我:[0.1, 0.3, -0.2, …, -0.1]喜欢:[-0.3, 0.5, 0.2, …, 0.4]吃:[0.4, -0.1, 0.2, …, -0.3]

xzp740813的博客 2230

用Kimi 学AI || 大模型、通用大模型,企业大模型与垂直大模型

常问:什么叫大模型,什么叫通用大模型,有企业大模型与垂直大模型之说吗?Kimi答:在人工智能领域,“大模型”、"通用大模型"以及"企业大模型"和"垂直大模型"是描述不同类型和应用范围的术语。

weixin_59191169的博客 7985
上一篇: 【必学收藏】零基础构建多智能体系统:大模型应用开发者实战指南
下一篇: 一文读懂大模型:重新定义未来,值得收藏的技术指南
不秃头de程序猿
博客等级 码龄5年 4091粉丝 1480原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值