中年码农转Agent后真是一片蓝海

从Cursor到GPT-5-Codex:AI编程Agent的技术与商业全解析 2025年AI编程Agent已成为炙手可热的商业现实,Cursor、Replit等公司年收入突破数亿美元,证明AI辅助开发成为AIGC最成功的商业化场景之一。新一代AI编程Agent如GPT-5-Codex推动辅助向协同进化,具备仓库级上下文理解、自动代码审查等功能,显著提升开发效率和质量。这一趋势为开发者带来创业机遇,但也面临模型整合、数据隐私等挑战。AI编程Agent正深刻改变软件开发行业,创造真实商业价值。 阅读详情

人到中年,有家庭,有娃,有自己想过的生活,也有绕不开的生存压力。

普通人想既要挣米又要稳定,说到底只有一条出路——打工。

副业不是没搞过,偶尔搞搞,够添点零头,也想过跟着别人学tzlc,结果本金都没收回来。

绕了一大圈,还是回到人生的主线:打工,上班。

而在经历过 Agent 这几年的起伏之后,我越来越庆幸——自己是在这个时间点,转向 Agent 的。

这件事有多难得、有多正确,是越往后,越明白的。


01 · 我为什么押 Agent:不是因为它火

2024 年我下决定的时候,AI 已经热闹了一年多。

说实话我很犹豫,特别怕自己是在追热点,怕半年后一地鸡毛。

后来我想通了:我不看需求端,我看供给端。

需求端没什么好看的,公司想上 AI,这是明牌。

供给端才是关键:能把它真正落到生产环境的人,极少。


一个能用的 Agent,真不是调个 API 就完事。

Prompt 得像代码一样做版本管理。

检索不准要知道往切分、Embedding、重排哪一层查。

模型抽风的时候要有降级方案。

Token 烧钱的时候知道从哪里压。

还有日志、链路、效果回归——这些活儿,我在写 Java 那六年里全做过。

只不过那时候它们叫接口设计、日志排查、熔断降级、性能优化。


所以我干的不是转行。

是把六年的手艺,换了一套名词,重新报名上了牌桌。

这也是我说的那条主线:

不是这个赛道没人在跑。

是这个赛道需要的东西,恰好是中年程序员攒了好些年的东西。


02 · 真要动,三个月怎么走

第 1 个月:交出一个会问答的东西

做什么:把我这六年攒的博客、文档、笔记全喂进去,做一个能回答真实问题的知识库。

这一站要打穿 Prompt、切分、Embedding、检索、重排、评估集。

验收线:20 个真实问题,答对 15 个以上。

我第一版只答对 9 个。

那天是第 45 天,我坐在电脑前认真怀疑过人生。

后来想通一句话:模型不可控,那就把它当成一个会抽风的第三方接口——加超时、加重试、加熔断、加日志。

这句话,是六年后端白给我的。


第 2 个月:交出一个会干活的东西

做什么:拿一个真实的代码库,让它干报错定位和修复建议的活。

这一站要打穿 Function Calling、编排、记忆、兜底容错。

验收线:10 个真实报错,定位准 7 个以上。

重点从来不在"答得出来"。

在于答不出来的时候,你怎么兜。

这一条,就是 demo 和产品之间的那条线。


第 3 个月:交出一个扛得住追问的项目

把前两个月的半成品补齐工程:日志链路、Token 成本、效果回归。

然后写一份讲稿,逼自己把每一个决策都讲出"为什么不用另一种方案"。

最后一步,是中年人最省力的一步——把六年 Java 翻译成 AI 语言:

  • 微服务拆分 → 工具编排
  • JVM 调优 → Token 成本优化
  • 线上事故复盘 → 模型效果回归与兜底

三个月从来不是魔术。

是 700 多个小时,加上六年底子,兑换出来的东西。

而且要说清楚:三个月能让你"学会"。

拿不拿得到 offer,还要再算三个月——我是第六个月才落地的。


03 · 上岸之后,我才看清的三件事

开头我说"经历过这几年的起伏之后越来越庆幸",具体是这三件事。

第一,红利来得快,收得也快。

我刚转的时候,会 RAG 就能过面试。

现在面试官追着问:新知识更新了、索引还没重建,用户这时候提问,你怎么兜?

趁着窗口还在,先把脚伸进去,比什么都重要。

第二,真正缺的从来不是"懂 AI 的人"。

岗位很多,JD 却写得含糊。

公司真正缺的,是能让 Agent 上线、并且扛住线上流量的人。

第三,收入是涨了,但没翻倍。

涨了三成左右。

我很知足。

因为这是我这辈子唯一一次收益,不是赌出来的,是算出来的。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

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。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

混进去之后,怎么站稳

当然,混进去只是第一步。进去之后站不站得住,看的是补课速度。分享我自己验证过的三条:

1. 抓住「最小闭环」,别贪全。 别想着把 LLM 全栈知识都学一遍。先把你负责的那条链路完整跑通——哪怕就是「一个提示词调一个模型存一个结果」。跑通之后你就在团队里有了立足点,剩下的按需补。我第一周干的事,就是把我们的 Agent 主循环用 200 行代码重写了一遍,从此开会我敢说话了。

2. 把 80% 的旧能力用足。 Agent 开发里大部分活是工程活:接口设计、状态管理、异常处理、部署监控。这些后端老本行直接用。你的差异化不是「比同事更懂模型」,而是「比同事更能把系统做稳」。前一点你短期追不上,后一点你天生就有。

3. 每天输出一点东西。 我开始做「30 天挑战」之后发现,写下来是最好的补课方式——写不出来的地方,就是没学懂的地方。而且记录本身会让你在团队里快速建立「这个人很懂」的错觉,好吧,也不全是错觉。

Agent流程架构师:构建智能体工作流的核心技术与实战指南 在人工智能技术,特别是大语言模型(LLM)和智能体(Agent)技术快速发展的背景下,如何将前沿的AI能力转化为稳定、可靠的业务解决方案,成为技术落地的关键挑战。其核心原理在于通过流程编排与系统集成,将多个AI模型、工具和数据源协同工作,模拟或替代人类完成复杂任务。这带来了巨大的技术价值,能够实现业务流程的自动化、智能化,显著提升效率并降低运营成本。其应用场景广泛,从智能客服、销售自动化到代码审查与数据分析,都需要精细的流程设计。本文聚焦于实现这一目标的关键角色——Agent流程架构师,深入探讨其所需的** 阅读详情

相关推荐

Clawdbot爆火背后:基于RAG与Agent的代码库感知AI助手实践

检索增强生成(RAG)技术通过将外部知识库与大型语言模型结合,有效解决了模型在专业领域知识不足和“幻觉”问题。其核心原理是先将文档向量化存储,在查询时进行语义检索,并将相关片段作为上下文输入模型,从而生成精准、有据可依的答案。这一技术为构建具备深度领域知识的智能应用提供了可行路径,在代码理解、智能问答等场景价值显著。AI Agent在此基础上更进一步,通过赋予模型“思考-行动”的循环能力,使其能自主调用工具、执行任务,从被动应答转向主动协作。Clawdbot正是这两项技术结合的典范,它作为一个专为开发者设计

weixin_30947043的博客 393

中年码农转Agent开发后,真是一片蓝海

他有家庭有娃有生活追求和生存压力,既要挣米又要稳定的出路就是打工,副业嘛偶尔搞搞只能添点零头,想学别人tzlc却连本都回不来,最终还是回归人生的主线,打工上班。在经历过AI这几年的红海之后,他愈发庆幸自己能在这个时间点转agent上岸,是多么的难得和正确。他 35 岁,有娃,八年后端开发,去年在公司内部转到了 Agent 开发岗,薪资从 18K 涨到 26K。

jennycisp的博客 328

DDS信号发生器设计避坑指南:从AD9834配置到巴特沃斯滤波实战

本文详细解析了基于AD9834芯片的DDS信号发生器设计中的关键技术要点与常见陷阱,涵盖时钟源选择、寄存器配置时序、巴特沃斯滤波器设计等核心内容。针对中高频段信号质量优化,提供了实用的解决方案和代码示例,帮助工程师规避设计误区,提升信号发生器的性能和稳定性。

2y3u4i5o6p的博客 781

建议所有程序员都尽快转Agent!越快越好!

2026年程序员转型Agent架构师已成必然趋势 随着AI技术发展,传统编程岗位正被AI工具取代,而AI Agent相关岗位需求激增200%,薪资高出30%-40%。Agent工程师从“写代码”转向设计智能系统,需掌握Python、LangChain、RAG等核心技术,并具备Prompt工程能力。不同背景的程序员转型策略各异:后端开发者优势明显,前端需转向对话式UI,测试/运维可开发自动化Agent。AI人才缺口预计2030年达400万,学习大模型技术成为职业突围关键。现提供全套AI大模型学习资料包,涵盖视

2401_84204413的博客 233

基于LabVIEW控制仪器检测与监控 --普源示波器DS1102Z-E

LabVIEW 控制普源示波器 代码实现与解释

s0101100的博客 4229

YOLO26涨点改进 | YOLO联合Mamba火热发论文改进篇 | CVPR 2025 | 引入EfficientViM 新型轻量级视觉Mamba,高效捕捉全局依赖,含二次创新、适合目标检测任务

本文提出EfficientViM,一种基于HSM-SSD的新型轻量级视觉Mamba架构,用于改进YOLO26目标检测模型。该模块通过压缩隐藏状态、多阶段特征融合和内存优化设计,在降低计算复杂度的同时提升检测精度。实验表明,EfficientViM在ImageNet-1K上实现了最佳的速度-精度平衡,相比SHViT模型性能提升0.7%且速度更快。文章详细介绍了模块原理、网络结构、核心代码实现及YOLO26集成方法,提供两种改进方案,适用于资源受限环境下的实时目标检测任务。

Ai缝合怪、助力小伙伴高效发论文 172

抢滩AI新蓝海:人工智能应用工程师,炙手可热的职业?

AI行业已从技术驱动转向应用驱动,人工智能应用工程师成为关键角色。传统制造业、现代服务业纷纷招聘AI人才,推动产业智能化升级。行业面临50万人才缺口,企业需求从单一技术专家转向具备技术能力与软技能的复合型人才。AI应用工程师需具备模型选型、工程化部署、多模态处理及业务理解等核心能力。专业证书成为能力证明和职业发展的重要支撑。在AI深度融合各行业的背景下,掌握应用能力是职业发展的关键机遇。

AI_Gas_Station的博客 470

从零开始:手把手教你设计人形机器人锂电池供电系统

人形机器人要像人类一样“活起来”,必须有稳定的“能量血液”——供电系统。本文聚焦锂电池供电系统如何根据机器人功耗选择合适的锂电池参数(容量、电压、放电倍率);如何设计电池管理系统(BMS)保护电池安全;如何解决机器人运动时的“瞬时大电流”供电难题;如何通过硬件电路和代码实现供电系统的监测与控制。用“机器人小助手的能量危机”故事引入锂电池供电系统;拆解锂电池核心参数(容量、电压、放电倍率)和供电系统三大组件(电池组、BMS、电源转换模块);

AI天才研究院 1756

X上100万浏览只赚40美元,YouTube却能赚8000美元?程序员副业出海的200倍身份跃迁指南

本质上,程序员的身份跃迁从来不是靠“多写代码”,而是把代码变成可传播的知识。X给你曝光,YouTube给你财富。选对平台,200倍收益不是梦,而是必然。你还在等什么?今晚就去注册YouTube频道,把你最近踩的那个AI Agent坑录成视频。第一个100万浏览,可能就是你人生第一个8000美元。我是紫微AI,我们下期见。(完)

紫微AI,构建「人格操作系统(ZPF)」 用AI建模人的决策与行为模式 持续记录AI Agent、系统设计与产品实验 337

CVE-2021-22205 GITLAB 未授权 RCE 漏洞

简介 GitLab是由GitLab Inc.开发的一个用于仓库管理系统的开源项目,使用Git作为代码管理工具,可通过Web界面访问公开或私人项目。由于GitLab存在未授权的端点,导致该漏洞在无需进行身份验证的情况下即可进行利用。 漏洞利用 上工具 python3 poc import sys import requests from bs4 import BeautifulSoup requests.packages.urllib3.disable_warnings() def .

qq_32445755的博客 885

WebRTC之beamforming算法

CSND已永久停更,最新版唯一来源点击下面链接跳转: 语音增强和语音识别网页书 坐标问题 这里以笔记本为例进行说明,当笔记本按如下方式打开: 首先是键盘和液晶屏呈90度,然后鼠标上方,也就是液晶屏上方正中间是camera,把平行于键盘的面看成是xy平面,把液晶屏所在的面看成是xz平面,所有平面的原点都在Camera的位置。 方位角:从原点开始,Camera的右侧是0度,逆时针方...

shichaog的专栏 1万+

【收藏】2026年版:Java已死?别慌!AI+Java才是程序员破局关键

对于正在迷茫择业、想转行提升,或是刚入门的程序员、编程小白来说,有一个问题几乎人人都在问:未来10年,什么领域的职业发展潜力最大?答案只有一个:人工智能(尤其是大模型方向)当下,人工智能行业正处于爆发式增长期,其中大模型相关岗位更是供不应求,薪资待遇直接拉满——字节跳动作为AI领域的头部玩家,给硕士毕业的优质AI人才(含大模型相关方向)开出的月基础工资高达5万—6万元;即便是非“人才计划”的普通应聘者,月基础工资也能稳定在4万元左右。

xxue345678的博客 841

CloudCompare 二次开发(16)——计算点云最值

不依赖任何第三方点云相关库,使用ClopudCompare计算点云最值。

点云侠的博客 517

看完马斯克的“编程末日”预言,我反而松了一口气

AI直接写出二进制代码的那一天,也许不会精确地在2026年底到来,但它正以肉眼可见的速度狂奔而来。对于每一个身处其中的我们,这不是末日,而是一个残酷却充满机遇的新起点。

具身机器人和通用AI 908

第10章: MMU notifier与HMM的协作

本文摘要: HMM(Heterogeneous Memory Management)是Linux内核提供的异构内存管理框架,用于统一CPU与设备(如GPU、DSP等)的内存访问。它通过镜像页表技术实现虚拟地址空间共享,自动同步CPU和设备页表变化,支持透明的内存迁移和设备内存管理。HMM构建在mmu_interval_notifier机制上,利用序列号检测页表修改冲突,提供高效并发控制。核心数据结构包括hmm_range和HMM PFN标志位,通过hmm_range_fault()实现页表遍历和缺页处理。

图形/计算GPU的驱动与虚拟化技术分享园地 3087

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

大模型应用开发,现在就是风口,不要悲观的说什么替代程序员,现在风起云涌,都是机会。说说这个观点。

大模型应用开发,现在就是风口,不要悲观的说什么替代程序员,现在风起云涌,都是机会。说说这个观点。

道友 348

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

收藏 | AI红利来袭!程序员别焦虑,这3招助你轻松起飞

别再刷 “AI 会不会淘汰程序员” 的焦虑文了,今天就打开你的 IDEA,装个 Copilot 或者通义灵码,先让 AI 帮你写今天的单测。红利不是等来的,是在一次次的 Tab 补全、一轮轮的 API 调试中,被你自己一点点抠出来的。毕竟,未来不会有 AI 程序员,只有会用 AI 的程序员。2026 年一晃已经过半,AI 大模型的热潮不仅没有降温,反而持续升温!金融行业用大模型做风控、医疗依靠 AI 解析影像,电商、制造、教育各行各业,都在把 AI 融入日常业务。

大模型研究中心 349

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

AI淘汰程序员?别扯了,真正被淘汰的是不会用AI的Java开发

AI 浪潮下不必陷入失业焦虑!资深 Java 研发拆解程序员三大 AI 红利:借助 AI 工具解放重复编码、突破技术边界、切入 RAG/Agent 新赛道。分享 Copilot、Spring AI 工程实践,附带真实企业与独立开发者案例,梳理 AI 使用避坑要点,给出程序员马上就能落地的执行方法。

xiaokjv的博客 244

2026计算机专业避坑指南:从基础到AI工程化的四年精进规划

计算机科学的核心在于理解计算原理与系统设计,其本质是解决问题的工程学科。随着技术演进,编程正从手工艺向人机协作转变,AI编程助手等工具的出现,要求从业者具备驾驭技术而非重复劳动的能力。掌握扎实的计算机基础(如数据结构、操作系统、网络)是构建工程化思维和系统设计能力的基石,这决定了开发者能否应对复杂场景并创造实际价值。当前,AI工程化、云原生等前沿方向正成为高价值领域,它们深度融合了基础理论与现代工程实践。对于计算机专业学生而言,关键在于通过项目驱动的学习,将理论转化为解决真实问题的能力,并适应技术范式的迁移

weixin_34401479的博客 341

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 225

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 7578

在Codex 让AI模型 拥有长期智能记忆

本文介绍Claude-Mem V15新功能——智能记忆召回,解决AI遗忘、重复提示、执行不一致等问题。通过本地部署claude-mem,实现自动记录决策(如数据库选型)、跨会话智能召回,支持记忆写入、检索、遗忘全流程闭环。相比传统记忆方案,其基于Hooks自动捕获工具调用,结构化存储,可追溯、可共享、可清理,显著提升工程效率与协作一致性,是长期项目中理想的“工作黑匣子”与“工程脑”。

米莱虾 228

医疗 AI 有两种,别混着谈:一个改流程,一个改范式

InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台,提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能,辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志(JMA Journal)的一篇综述(Review Article):基本事实:这一点必须先说清:这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想,不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口(见第三节)。本文只谈它的术语辨析与科学方法论,不转述任何可作为临床依据的预测或处置主张。这篇论文的全部

2601_96948740的博客 143

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 195

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 149
上一篇: AI应用开发:今年离钱最近的机会,但90%的人连门都没进对……
下一篇: 入职追觅agent开发岗,浅谈感受
智泊AI  一粟
博客等级 码龄4年 1万+粉丝 2707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

打赏作者

智泊AI 一粟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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