- 博客(26)
- 收藏
- 关注
RSS订阅原创 零基础转行大模型选哪个岗位方向最易上手？完整指南
不讲玄学、不堆名词、不画大饼，只用最通俗、最落地、最真诚的话，把零基础转行大模型，到底哪个岗位最容易上手、最容易出作品、企业最缺人讲透。这些年，我每天接触最多的，就是这样一群人：零基础、非科班、没写过几行代码、数学早就忘光，却不甘心困在原来的岗位，想冲进当下最有前景、薪资最可观的大模型行业。1. 是最安全的“入行跳板”先进入AI行业，干1年左右，熟悉整个流程，再转提示词、转RAG、转产品、转运营，内部转岗比外面容易10倍。凡是从提示词、数据、RAG低代码切入的，大部分都坚持下来，并且入职了。
2026-04-13 17:06:17
43
原创 零基础学深度学习需要学哪些框架？PyTorch 和 TensorFlow 选哪个？｜2024新手必看
优势：零基础友好教学（从Python起步，通俗讲解PyTorch/TensorFlow），实战项目导向（带你做10+项目，如CNN检测、Transformer生成），个性化学习规划（我1v1评估你的背景，定制路线），带练答疑（小班直播，每周反馈bug）。这些年，我辅导过数百名非计算机专业的学员入门深度学习，从财务、销售、教师到文员背景，他们中很多人一开始连编程都没碰过，但通过正确的路径和框架选择，几个月就上手了模型训练、项目落地，甚至拿到了算法助理或数据工程师的offer。为什么入门必学：稳定，工业级。
2026-04-13 17:05:58
74
原创 深度学习面试核心：30个必考知识点详解
经历30+场CV面试后，我总结了这些高频考点。一阶方法：SGD、Momentum、Nesterov、AdaGrad、RMSProp、Adam、Nadam二阶方法：牛顿法、拟牛顿法、共轭梯度法、BFGS、L-BFGS自适应优化算法：Adagrad（累积梯度平方）、RMSProp（滑动平均）、Adam（带动量）避免局部最优：使用BGD、SGD、MBGD、momentum、RMSprop、Adam等方法。批量梯度下降（BGD）：一次迭代对所有样本计算，利用矩阵操作实现并行。缺点是样本量大时训练慢。随机梯度下降（S
2026-04-13 17:03:51
91
原创 斯坦福CS146S：未来10年软件开发的趋势预测
二、十周课程：从原理到实战课程设计覆盖了 AI 辅助开发的完整生命周期。以下是每周的关键主题：第 1-2 周：LLM 基础与 Agent 架构从 LLM 的工作原理讲起，深入 Prompt Engineering 的实战技巧，然后进入 Agent 架构的关键概念——工具调用、函数调用、Model Context Protocol (MCP)。第二周的作业是从零构建一个 Coding Agent，并搭建自定义的 MCP Server。第 3-4 周：AI IDE 与 Agent 管理。
2026-04-13 17:01:21
95
原创 建议收藏：机器学习与深度学习的区别是什么？如何选择研究方向？
这些年，我专注AI转行求职辅导，带过上千名零基础学员从非科班背景转入AI领域，从销售、文员、教师到财务，他们中很多人一开始对机器学习和深度学习一头雾水，但通过精准方向选择和求职指导，几个月就拿到了算法助理、数据工程师或ML工程师的offer。举例，我一个文员背景学员，先学ML，2个月做分类项目，面试时讲“怎么用决策树处理数据不均衡”，轻松过关。- 学员案例：原程序员学员，有ML基，转DL，5个月做生成AI项目，入职腾讯香港分部，年薪HKD 55k。他说：“先ML稳，再DL冲，offer来得快。
2026-04-13 17:00:22
108
原创 保姆级教程：零基础学深度学习需要学哪些框架？PyTorch 和 TensorFlow 选哪个？
优势：零基础友好教学（从Python起步，通俗讲解PyTorch/TensorFlow），实战项目导向（带你做10+项目，如CNN检测、Transformer生成），个性化学习规划（我1v1评估你的背景，定制路线），带练答疑（小班直播，每周反馈bug）。这些年，我辅导过数百名非计算机专业的学员入门深度学习，从财务、销售、教师到文员背景，他们中很多人一开始连编程都没碰过，但通过正确的路径和框架选择，几个月就上手了模型训练、项目落地，甚至拿到了算法助理或数据工程师的offer。为什么入门必学：稳定，工业级。
2026-04-13 16:59:02
288
原创 一文梳理CV基础模型：13类算法、85种变体全览
为了不花这个钱，研究者们八仙过海各显神通：用没标过的数据、用网上爬的图文、用多模态数据，通过对比学习、掩码重建这些方法先 pretrain 一个基础模型，然后再微调到检测、分割这些具体任务。这篇综述把 CV 基础模型整理得明明白白：13大类算法，每类下面85个变体，从 LeNet、ResNet 这些老前辈，到 SAM、GPT4 这些新面孔，全部覆盖。现在视觉基础模型已经相当多了，对做CV研究的人来说，这些模型的研究价值很高。当然，现有方法虽然效果好，但提升空间还是很大的。论文108篇，按年份排列。
2026-04-13 16:56:40
195
原创 CV算法工程师求职全攻略：25个知识点帮你通关面试
很多同学让我写面试指南，我一直没动笔。因为面试这事儿没有标准答案，说多了容易让人焦虑。但今天还是聊聊，毕竟有些经验可以分享。
2026-04-13 16:55:08
198
原创 Agentic Workflow设计模式：从理论到代码实现
适合需要工具辅助的任务(查资料、跑数据库、复杂计算等；优点是推理轨迹清晰，便于追溯；缺点是推理链过长可能导致延迟上升，需限制循环步数。最近两年，大家都可以看到AI的发展有多快，我国超10亿参数的LLM，在短短一年之内，已经超过了100个，现在还在不断的发掘中，时代在瞬息万变，我们又为何不给自己多一个选择，多一个出路，多一个可能呢？与其在传统行业里停滞不前，不如尝试一下新兴行业，而AILLM恰恰是这两年的大风口，整体AI领域预计缺口1000万人，其中算法、工程应用类人才需求最为紧迫！
2026-04-13 16:53:39
282
原创 AI Agent求职被拒最常见的原因是什么
这些实际上更像工程问题，公司愿意给30k月薪的原因就在这里，Agent开发不是玩具技术人，是能把玩具变成生产力的人。这环节最直接有效的方法就是跟着项目完整走一遍，如果你无从下手，趁着有大佬带队，你直接跟着做就行。我就是跟着这个「Agent 从入门到实战」学的，技术大佬带你手搓企业级项目全流程，手把手带你做出一个能用的Agent系统，简历项目经验就有了。
2026-04-13 16:52:08
202
原创 AI Agent岗位技术栈要求：2025年最新标准
这些实际上更像工程问题，公司愿意给30k月薪的原因就在这里，Agent开发不是玩具技术人，是能把玩具变成生产力的人。这环节最直接有效的方法就是跟着项目完整走一遍，如果你无从下手，趁着有大佬带队，你直接跟着做就行。我就是跟着这个「Agent 从入门到实战」学的，技术大佬带你手搓企业级项目全流程，手把手带你做出一个能用的Agent系统，简历项目经验就有了。3.把Agent做成能交付的系统很多人到这里就卡壳了，Demo跑得飞起，但一上强度就不稳定。
2026-04-13 16:50:38
226
原创 数据开发者的AI转型：大模型应用实录
所以最后我们退而求其次，还是做辅助吧，就是你一个需求来了，先帮你设计个大概，或者你自己描述清楚点，一步步做引导式的进行开发，就像现在的cursor，不过这里做了rag检索，就是用把2️⃣里面的表和描述都放进去了。首先这个一开始想的是给运营和老板做的，因为他们不会写代码，但是就是会有各种奇奇怪怪的查数需求，之前都是提需求给数据研发，所以想说能不能用大模型做这事，这个功能我觉得做的不是很好，虽然老板和业务买单了，因为这个功能要求非常精准的结果，我们做到最后单表查询是很准的，多表查询不行。
2026-04-07 14:06:22
26
原创 数据开发者的AI工具箱：大模型实战
所以最后我们退而求其次，还是做辅助吧，就是你一个需求来了，先帮你设计个大概，或者你自己描述清楚点，一步步做引导式的进行开发，就像现在的cursor，不过这里做了rag检索，就是用把2️⃣里面的表和描述都放进去了。首先这个一开始想的是给运营和老板做的，因为他们不会写代码，但是就是会有各种奇奇怪怪的查数需求，之前都是提需求给数据研发，所以想说能不能用大模型做这事，这个功能我觉得做的不是很好，虽然老板和业务买单了，因为这个功能要求非常精准的结果，我们做到最后单表查询是很准的，多表查询不行。
2026-04-07 14:06:19
21
原创 数据开发提效：大模型应用全解析
所以最后我们退而求其次，还是做辅助吧，就是你一个需求来了，先帮你设计个大概，或者你自己描述清楚点，一步步做引导式的进行开发，就像现在的cursor，不过这里做了rag检索，就是用把2️⃣里面的表和描述都放进去了。首先这个一开始想的是给运营和老板做的，因为他们不会写代码，但是就是会有各种奇奇怪怪的查数需求，之前都是提需求给数据研发，所以想说能不能用大模型做这事，这个功能我觉得做的不是很好，虽然老板和业务买单了，因为这个功能要求非常精准的结果，我们做到最后单表查询是很准的，多表查询不行。
2026-04-07 14:06:17
28
原创 数据开发人员必看：大模型能帮你做什么
所以最后我们退而求其次，还是做辅助吧，就是你一个需求来了，先帮你设计个大概，或者你自己描述清楚点，一步步做引导式的进行开发，就像现在的cursor，不过这里做了rag检索，就是用把2️⃣里面的表和描述都放进去了。首先这个一开始想的是给运营和老板做的，因为他们不会写代码，但是就是会有各种奇奇怪怪的查数需求，之前都是提需求给数据研发，所以想说能不能用大模型做这事，这个功能我觉得做的不是很好，虽然老板和业务买单了，因为这个功能要求非常精准的结果，我们做到最后单表查询是很准的，多表查询不行。
2026-04-07 14:06:14
33
原创 数据工程师学AI：大模型转型指南
所以最后我们退而求其次，还是做辅助吧，就是你一个需求来了，先帮你设计个大概，或者你自己描述清楚点，一步步做引导式的进行开发，就像现在的cursor，不过这里做了rag检索，就是用把2️⃣里面的表和描述都放进去了。首先这个一开始想的是给运营和老板做的，因为他们不会写代码，但是就是会有各种奇奇怪怪的查数需求，之前都是提需求给数据研发，所以想说能不能用大模型做这事，这个功能我觉得做的不是很好，虽然老板和业务买单了，因为这个功能要求非常精准的结果，我们做到最后单表查询是很准的，多表查询不行。
2026-04-07 14:06:11
23
原创 数据工程师如何利用大模型提效
所以最后我们退而求其次，还是做辅助吧，就是你一个需求来了，先帮你设计个大概，或者你自己描述清楚点，一步步做引导式的进行开发，就像现在的cursor，不过这里做了rag检索，就是用把2️⃣里面的表和描述都放进去了。首先这个一开始想的是给运营和老板做的，因为他们不会写代码，但是就是会有各种奇奇怪怪的查数需求，之前都是提需求给数据研发，所以想说能不能用大模型做这事，这个功能我觉得做的不是很好，虽然老板和业务买单了，因为这个功能要求非常精准的结果，我们做到最后单表查询是很准的，多表查询不行。
2026-04-07 14:06:08
25
原创 收藏！2025年LLM就业全景图：5大核心方向与薪资水平
作为LLM领域的“关键技术担当”，最为负责设计、优化和模型训练大规模预模型训练模型，例如改进Transformer架构、融合多模态模型、实现模型压缩与加速等。从我们日常接触的NLP（例如聊天机器人）、计算机视觉（例如人脸识别），到企业端的智能推荐、金融风控，LLM技术正在悄悄重构传统行业的运作模式，也催生了大量高薪酬待遇职业方向。在当下求职就业竞争激烈的环境里，想要实现年薪百万的目标，AI技术LLM赛道，甚至比传统互联网行业更有优势，成为了很多开发者和职场人的“新出路”。
2026-04-07 14:06:06
124
原创 收藏备用！LLM求职者的核心技能清单
作为LLM领域的“关键技术担当”，最为负责设计、优化和模型训练大规模预模型训练模型，例如改进Transformer架构、融合多模态模型、实现模型压缩与加速等。从我们日常接触的NLP（例如聊天机器人）、计算机视觉（例如人脸识别），到企业端的智能推荐、金融风控，LLM技术正在悄悄重构传统行业的运作模式，也催生了大量高薪酬待遇职业方向。需要掌握跨模态对齐技术（例如CLIP模型）、多模态编码器-解码器架构（例如Flamingo），以及3D重建算法（例如NeRF），适合对前沿技术感兴趣、愿意持续学习的开发者。
2026-04-07 14:06:03
88
原创 搜广推基础+LLM：两条腿走路的现实路径
先说个结论，LLM业务算法岗，现在不一定非得有对口论文，但背景和成果匹配度会影响你拿到求职面试的概率。论文是加分，不是门票。尤其在企业侧，尤其是业务落地的LLM算法，不是做基础模型架构研究的那帮团队，对口论文的硬性要求没你想象的那么严。他们的目标是啥？是去对标OpenAI，去搞出下一个版本的GPT，去提升模型的基座能力。我见过一个例子：去年有个硕二同学，本科双非，硕士985，之前只有一篇跟图像生成相关的二作文章，跟LLM纯文本没关系，他在求职面试时重点聊了两件事：第二，他自己搭了个小规模的 RAG pipe
2026-04-07 14:06:00
204
原创 提示词+工具+采样策略：LLM外部控制变量
LLM的关键特征在于基于概率分布的“生成式能力”，这为创意和灵感的激发提供了巨大的价值。然而，这种概率驱动的机制具有双面性：它在赋予模型“创造力”的同时，也带来了输出的不确定性。这种“一模型多能”的特性，大幅降低了应用的开发与维护成本，也让跨功能的业务整合变得前所未有的高效。而现在，LLM允许用户以日常对话的方式输入需求。LLM应用开发的相关的信息并不稀缺——课程、路线图、项目清单到处都是，真正稀缺的是一种清晰感：哪些内容属于“LLM应用开发”的关键，哪些只是围观热闹的知识点，这需要有相当清晰精准的认知。
2026-04-07 14:05:58
152
原创 推荐系统的DIN/DIEN：LLM如何理解用户行为序列
以前我们是用一个复杂的Deep Learning模型（例如DIN, DIEN）去猜用户可能喜欢什么商品，现在是直接把用户的行为序列（点了啥、买了啥）当成一种“语言”，扔给LLM，让LLM去“理解”这个用户的品味和意图。你能把你做过的项目，像上面这样，把遇到的问题、你的尝试、你的思考、最后的效果给说明白了，这比你简历上挂一个不相关的论文要有说服力得多。你的项目经历，就是你最好的“论文”。尤其在企业侧，尤其是业务落地的LLM算法，不是做基础模型架构研究的那帮团队，对口论文的硬性要求没你想象的那么严。
2026-04-07 14:05:55
216
原创 打破模态边界：跨模态LLM工程师的前沿技术与就业前景
作为LLM领域的“关键技术担当”，最为负责设计、优化和模型训练大规模预模型训练模型，例如改进Transformer架构、融合多模态模型、实现模型压缩与加速等。从我们日常接触的NLP（例如聊天机器人）、计算机视觉（例如人脸识别），到企业端的智能推荐、金融风控，LLM技术正在悄悄重构传统行业的运作模式，也催生了大量高薪酬待遇职业方向。需要掌握跨模态对齐技术（例如CLIP模型）、多模态编码器-解码器架构（例如Flamingo），以及3D重建算法（例如NeRF），适合对前沿技术感兴趣、愿意持续学习的开发者。
2026-04-07 14:05:52
172
原创 意图识别+路由：LLM请求处理的工程实践
LLM的关键特征在于基于概率分布的“生成式能力”，这为创意和灵感的激发提供了巨大的价值。然而，这种概率驱动的机制具有双面性：它在赋予模型“创造力”的同时，也带来了输出的不确定性。这种“一模型多能”的特性，大幅降低了应用的开发与维护成本，也让跨功能的业务整合变得前所未有的高效。而现在，LLM允许用户以日常对话的方式输入需求。LLM应用开发的相关的信息并不稀缺——课程、路线图、项目清单到处都是，真正稀缺的是一种清晰感：哪些内容属于“LLM应用开发”的关键，哪些只是围观热闹的知识点，这需要有相当清晰精准的认知。
2026-04-07 14:05:50
168
原创 想投大模型实习？这份技能清单请收好
现在95%的大模型实习岗位，都不是让你去从头“创造”一个GPT-5，而是让你基于现有的模型，去做各种“下游”工作。大家想象中的大模型实习，可能是这样的：一排排A100/H100在你面前闪烁，你和团队大佬一起，对着满屏的代码和公式，高喊一声“开始训练！实际情况更可能是这样的：你的导师（mentor）丢给你一个开源模型（比如Llama 3, Qwen, ChatGLM），然后让你去解决一个具体的业务问题。不是教科书式的空谈，也不是夸张的“你只要努力就能进大厂”的励志文，而是尽量落地、可执行的路径。
2026-04-07 14:05:47
262
原创 想学大模型应用开发？按这6步走准没错
注意事项：1、不建议用Ollama等量化工具部署模型，因为5分钟就学会了，让人误以为大模型部署不过如此，其实Q4量化的精度很低，不适合用于生产环境。学习大模型，实践是非常重要的，所以首先得有显卡，可以购买，也可以在各种云平台上短租，具备此条件，然后再学习，才能达到事半功倍的效果。5、学习RAG技术，先学习部署Dify等产品，然后学习langchain、llamaindex等。3、学习微调大模型，了解全量微调、LoRA微调、SFT、强化训练等基础理论，实践LoRA微调。
2026-04-07 14:05:45
274
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