- 博客(25)
- 收藏
- 关注
RSS订阅原创 Vibe Coding 面试踩坑实录｜河南宁渡科技有限公司：AI 全栈面试，别只会让 AI 写代码
河南宁渡科技宁渡课堂揭示AI全栈面试新趋势：VibeCoding非简单代码生成，而是考察需求拆解、代码质量评估与风险管控能力。求职者需摒弃“AI万能”误区，建立“人主导、AI辅助”的工程思维。高频真题聚焦任务拆分、验收标准与安全校验，强调人工评审、边界测试与系统重构能力。备考应整合前端、后端与AI协作全流程，以RAG项目为例，掌握真实场景下的全链路开发逻辑，方能在面试中脱颖而出。
2026-09-16 09:52:42
181
原创 AI 全栈面试新趋势：Vibe Coding、前端、Java 后端高频面试题深度解析｜河南宁渡科技有限公司编程教程
AI全栈岗位面试正迎来变革，企业聚焦VibeCoding能力——即利用AI高效完成需求拆解、提示词工程、代码审查与风险管控的全流程开发。宁渡课堂指出，求职者若仅依赖AI生成代码而缺乏校验能力，易暴露短板。面试融合前端（如Vue3流式渲染）、后端（如Java网关限流）与VibeCoding实战，考察项目整合能力。备考关键：打造1-2个完整AI项目，串联技术链路，突出人机协作中的工程闭环思维，方能胜任新时代全栈要求。
2026-09-15 11:19:56
358
原创 河南宁渡科技有限公司｜宁渡课堂 AI 全栈面试分享，大模型 API 开发与流式输出面试题
AI全栈开发聚焦大模型API应用，核心考点包括SSE流式输出原理与断线重连、API异常处理（超时、限流、网络、token超限）、Temperature参数调优、FunctionCall函数调用实现智能工具联动，以及基于FastAPI的后端架构设计。面试需突出接口封装、流式返回、异常捕获与日志埋点等工程能力。宁渡课堂实战项目助你掌握SSE对话与FunctionCall落地。
2026-09-14 16:57:32
185
原创 河南宁渡科技有限公司｜宁渡课堂 AI 全栈面试分享，RAG 项目面试深挖问题解析
RAG项目是AI全栈面试必考内容。宁渡课堂总结高频深挖问题：文本切分需平衡语义完整与效率，推荐语义分片+重叠；召回采用混合检索（向量+BM25）提升精度；优化方向包括query重写、TopK调整、Rerank重排过滤无关文档；RAG适合动态知识库，微调适用于固定风格任务；部署需解决并发，可通过异步、缓存、队列削峰及Docker化实现。面试官看重实战优化经验，非仅流程复述。
2026-09-14 16:55:09
89
原创 河南宁渡科技有限公司｜宁渡课堂 AI 全栈面试分享，AI 应用开发高频考点汇总
本文梳理AI全栈开发面试高频考点，涵盖大模型基础、提示词工程、RAG检索增强、向量数据库及前后端集成。重点解析Transformer结构、上下文窗口限制、Few-shot/Zero-shot/COT应用、RAG流程与优势、向量库选型及SSE流式输出实现。结合真实面试场景，提供模型幻觉应对策略与工程落地实践，助力开发者系统备考。
2026-09-14 16:47:51
160
原创 想转AI大模型应用开发，学习方法很重要！
AI大模型应用开发学习路线：从入门到商业部署 本文提供了一份系统化的AI大模型学习路径，分为四个阶段： 初阶应用（10天）：理解大模型原理，掌握提示工程与业务衔接 高阶应用（30天）：构建私有知识库，开发对话机器人，学习RAG系统 模型训练（30天）：掌握模型训练方法，了解Transformer结构与微调技术 商业闭环（20天）：学习大模型部署方案，探索商业化应用场景 通过90天的系统学习，开发者可掌握从理论到实践的全栈AI大模型开发能力，包括核心原理、工具使用、项目实战及商业部署等关键技能。
2025-11-14 14:17:43
688
原创 从生成内容角度介绍开源AI大模型
本报告评估了Qwen、DeepSeek和Llama三大主流开源大模型，聚焦文本生成和多模态能力（文生图、图生文、视频/音频解析）。报告显示：Qwen中文能力突出且多模态支持丰富，DeepSeek在数学推理和性价比方面表现优异。多模态方面，HunyuanImage和Qwen-Image是专业文生图模型，DeepSeek-OCR和PaddleOCR擅长文字识别，Qwen3-Omni是唯一支持四模态的全能模型。选型建议根据具体需求选择专用模型或全能方案，其中Qwen3-Omni-30B-A3B-Instruct是
2025-11-13 10:38:42
1720
原创 AI大模型 图书智能检索系统：融合 RAG 技术的文学智能问答解决方案
图书智能检索系统基于RAG技术实现文学作品深度解析，采用Python与DeepSeek API构建智能问答体系。系统运用TF-IDF向量化、jieba分词和自定义文本分块算法处理中文文本，通过模块化设计的SmartLibRAG类实现文档加载、语义分块、向量索引构建等核心功能。该系统为《红楼梦》等古典文学提供专业级智能解析，实现"用户提问→智能检索→AI生成答案"的完整闭环，展示出技术与文学结合的创新价值。
2025-11-12 15:53:05
1057
原创 Agent 框架热潮褪去，大模型开发已经进入“生死局”？
从 2022 年起，“AI 一天，人间一年”就成了行业内的普遍共识。AI 技术迭代速度之快，让从业者既兴奋又焦虑。一方面，大模型能力正不断进化，疯狂刷新人们的认知边界。从最初的文本生成到多模态交互，从对话式 AI 到具身智能，无一不令人兴奋。另一方面，回看这些年涌现的 AI 项目，一个个迅速地崛起、消亡，其中甚至不乏 AI 独角兽项目跌落神坛，真正能够屹立在山巅的佼佼者寥寥无几。也正因如此，蚂蚁开源最新发布的《2025 ⼤模型开源开发⽣态全景与趋势》报告才显得格外有意义。
2025-11-11 09:01:28
1094
原创 大模型AI应用，正在企业级赛道迅猛爆发
企业级大模型AI应用市场正迎来爆发式增长，预计中国市场规模2024年将达35.4亿美元。随着AI技术的成熟和成本降低，企业智能化转型需求激增，但技术落地仍面临数据治理、行业适配等挑战。专业服务商如滴普科技通过"数据+AI"双引擎策略，提供端到端解决方案，帮助零售、制造等行业头部企业实现AI落地，近三年营收复合增长率达55.5%。该赛道呈现从模型能力向落地能力转变的竞争趋势，预计2029年市场规模将达2394亿元。滴普科技启动IPO进程，标志着企业级AI应用进入规模化发展阶段。
2025-11-10 17:07:27
1224
原创 一文看懂！大模型领域近期进展！
2023年以来，大语言模型领域经历了显著的技术演进。GPT-4确立了规模化的发展路径，但其高计算成本促使2024年转向效率优化：混合专家(MoE)架构如DeepSeek-V2/R1、Qwen3系列和Minimax-m1实现了10:1的参数利用率比；注意力机制创新如MLA和Lightning Attention突破了O(L^2)复杂度限制。2025年重点转向推理优化，OpenAI的o系列和Claude的混合推理通过扩展思考链(CoT)显著提升复杂任务性能，形成"预训练+推理计算"的新范式。
2025-11-10 15:31:31
1071
原创 通俗介绍大模型，从RNN 到Transformer
本文概述了大型语言模型(LLM)的发展历程与技术特点。从RNN到Transformer架构的演进，解决了序列处理中的长距离关系捕捉问题。LLM基于Transformer，通过海量参数、训练数据和计算资源，在预测下一个词的过程中学习语法、语义、知识推理等能力。文章分析了LLM的优势(理解复杂语义)与局限(可能出现幻觉、非实时数据)，并介绍了CoT、RAG等应用技术。最后指出LLM已成为AI生态链的核心，但其回答并非完全可靠，需要理性看待。
2025-11-09 16:29:45
1700
原创 太强了！Kimi K2 Thinking开源大模型超越GPT-5，国产AI迎来史诗级突破！
摘要：月之暗面最新发布的开源大模型Kimi K2 Thinking引发AI领域热议，其性能在多基准测试中超越GPT-5、Claude 4.5等顶尖闭源模型，并在Agentic搜索、编程推理等方面表现突出。该模型已集成到vLLM框架，成本仅为竞品的1/6，性价比显著。国产大模型的技术突破标志着中国AI在全球舞台的崛起。
2025-11-09 15:42:09
803
原创 vue3项目实战，陪诊系统（pc端+h5端）非常稀缺的前端企业级项目，学完直接写在简历上
非常稀缺的vue3企业级项目实战，陪诊系统（pc+h5）学完直接写在简历上
2025-11-06 11:43:36
542
原创 一文全面看懂什么是大模型（LLM）
本文全面介绍大语言模型（LLM）的概念、特点及其分类，详细阐述其核心技术原理和训练过程（数据收集、Tokenization、预训练与微调等），并列举在内容创作、客户服务、代码生成等领域的应用。同时，文章分析了LLM面临的挑战，如技术局限性、资源成本高及安全伦理问题，并展望未来多模态融合、模型轻量化等发展趋势。大语言模型正改变人机交互方式，但其发展仍需关注伦理安全，以确保健康应用。
2025-11-04 16:17:57
883
原创 AI大模型深度解析：从ChatGPT到“千模大战
AI大模型发展与应用综述 本文系统梳理了AI大模型的现状与发展。大模型通常指千亿参数以上的预训练模型，其发展经历了2012年萌芽期到2022年ChatGPT引领的AI2.0时代。核心要素包括算法、数据、算力和人才，目前主要由科技巨头主导。国内外已形成"千模大战"格局，国外以OpenAI、Google为代表，国内百度、阿里等纷纷推出对标产品。文章详细解析了模型评价指标、专业术语及技术原理，包括Transformer架构、RLHF训练方法、涌现能力等核心概念。大模型已广泛应用于语音助手、图像
2025-11-04 16:02:28
1358
原创 Streamlit+RAG实战：零基础搭建智能穿搭系统，支持个性化推荐和可视化展示
本文介绍了一款基于RAG技术的智能服装搭配助手系统。项目通过集成大语言模型与向量检索技术，为用户提供个性化时尚建议。系统特点包括：1）基于用户特征和场合的定制化推荐；2）整合高质量时尚知识库；3）采用IPEX-LLM优化模型性能；4）提供可视化穿搭效果展示。技术实现上使用Qwen2.0-7B-Instruct模型进行知识处理，HuggingFace Embedding实现向量检索，并优化了知识片段处理效率。系统还配备友好的Streamlit Web界面，支持自然语言交互和直观的图片展示功能。
2025-11-04 15:43:53
872
原创 AI客服不再“胡说八道”：我用多智能体+RAG+人工审核，实现了三重保险
本文介绍了一个基于多智能体和RAG技术的智能客服系统，主要用于处理旅行相关查询和电商服务。系统采用模块化架构，包含主助手和专业助手（航班、酒店、租车等），通过LangGraph实现状态管理。新增的安全功能包括越狱防护、相关性检查和人工审核流程（GoHumanLoop）。项目使用Qdrant向量数据库存储知识库，支持本地运行和Web界面交互。系统特点包括复杂问题拆解、敏感操作确认机制和对话状态维护，未来计划优化RAG工具和图架构。整体提升了AI客服的专业性、安全性和响应准确性。
2025-11-04 14:54:16
865
原创 2025最新AI大模型应用开发，AI大模型项目实战，RAG项目实战，全网稀缺实战教程，99%都在讲理论，直接带你手写代码实战完成项目
本文介绍了一个基于检索增强生成（RAG）技术的图书智能检索系统。系统采用Python 3.13开发，整合了DeepSeek API、TF-IDF向量化、jieba中文分词等技术，实现了文档加载、文本分块、向量索引构建和智能问答功能。核心类SmartLibRAG的设计注重缓存优化和模块化，包含中文NLP处理、语义分块算法和检索优化策略。系统通过结构化提示词生成专业回答，为用户提供《红楼梦》等文学作品的智能化检索体验，并具备错误处理和性能优化机制。相关技术文档和视频教程链接已提供。
2025-11-04 13:01:20
4178
原创 2025最新AI大模型应用开发，教育领域数据的智能检索与问答，RAG项目实战，可直接运行，手把手带着写
MilvusRAG是一个基于Milvus向量数据库的检索增强生成(RAG)系统，专注于教育领域数据的智能检索与问答。项目集成了学术排名数据（ARWU）和美国高校信息，使用向量相似度搜索实现高效的数据检索和智能问答功能。本项目包含完整的数据处理、向量存储、检索和评估流程，并提供Web界面进行可视化交互。
2025-11-04 11:37:12
1028
原创 vue项目实战，vue3项目实战，vue3+vite+pinia+element-plus+apifox搭建的通用后台管理，直接看项目效果
宁渡课堂【宁渡课堂】-vue3+vite+pinia+element-plus+apifox搭建的通用后台管理
2024-07-15 11:06:55
2716
3
原创 vue3项目实战，vue项目实战，实现通用后台管理（傻瓜式一步一步记录代码实现过程）直接看项目效果
傻瓜式记录用vue3一步一步实现通用后台管理的过程
2023-11-13 14:37:44
11387
29
原创 记录一下用vue3结合ts实现todolist的详细过程，非常适合用ts结合vue快速实战上手项目
(宁渡课堂)记录快速用ts结合vue进行实战的详细过程
2023-10-31 11:15:29
1459
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人