- 博客(27)
- 收藏
- 关注
RSS订阅原创 零基础学AI Agent：Python基础到项目实战
建议按照我下面的办法来做，不一定能让你成为LLM专家，但一定能帮你快速入门，少走弯路。1.先把模型“用顺”一上来别纠结框架、工程化这些，第一件事是能稳定调用一个模型，让它按你想要的格式输出结果。很多人卡在这里，是由于一直在犹豫在“模型选择”和“参数调最优”上，实际上不用。先挑一个能用的跑通链路就行，目的是让它听话，不是做学术研究。这阶段关键就两件事：API调用：会传prompt、拿返回结果、做流式输出、处理异常；提示词控制：别把提示词当作文写，关键是让它精准可控，遵循特定规则、不确定就说不知道。
2026-04-13 17:05:44
34
原创 新手小白学习人工智能，推荐哪些入门书籍和课程？适合零基础的有哪些？（收藏版）
优势：零基础友好（从概念起步，无需编程基），体系完整（覆盖书籍精华+课程项目），实战导向（带做5-10个项目，如AI聊天bot），加上1v1学习规划（我帮评估、定制路线）、带练答疑（小班直播，每周反馈）。为什么推荐：免费，体系化（视频+quiz），2026年热门。大家好，我是唐宇迪，这些年，我辅导过上千名零基础小白入门AI，从文科生、职场妈妈到中年转行者，他们一开始连“算法”是什么都搞不清，但通过正确的资料和路线，几个月就上手了简单模型、做小项目，甚至拿到了AI助理或数据分析师的offer。
2026-04-13 17:01:49
138
原创 斯坦福CS146S中文笔记：10周内容精华汇总
这里有课程大纲、每周的 Slides（Google Slides 格式）、以及嘉宾演讲的资料。课程主页：https://themodernsoftware.dev每个作业都基于真实的 AI 工具——Claude Code、Warp、Semgrep、Graphite——而不是玩具项目。八周的实战作业覆盖：作业仓库：https://github.com/mihail911/modern-software-dev-assignments四、实战作业与开源资源。
2026-04-13 17:01:02
218
原创 从销售转行AI Agent：我是怎么做到的
就像十几年前移动互联网刚兴起的时候，那时候会搞安卓APP的人，哪怕学历不高，现在很多都成了大佬。现在是AI Agent的黄金窗口期，需求大，但能踏踏实实干实事的人太少。你要做的就是能成为那个能干活的人。“钱景”是肯定有的，重点是怎么拿到offer。现在这行正处于爆发期，月薪3-4w很常见，搞得好年薪80万往上都有可能，大量高薪酬待遇岗都在招，我们这种中小厂都能给到40w税后。不用太纠结学历，AI Agent是最近一两年才火起来的，是一个全新的领域，能有落地项目经验的同学少之又少么，基本都靠自学。
2026-04-13 16:58:41
103
原创 从入门到精通：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 16:58:20
237
原创 一文读懂深度学习的完整学习路径是什么
项目实践（核心）、PyTorch（框架）性价比最高的是、Python（工具）：。从程序员小白到算法工程师我带过上千名学员从零基础转行深度学习领域我是唐宇迪、大家好，，，，数据科学家这些年甚至是大厂AI岗位，。、，简历点零基础最短路径面试准备）、我会用通俗语言讲清企业真正要什么技能、项目、、帮你避坑分阶段内容（每个阶段配时间快出成果、。、、、：时间规划学什么、、简历成果输出（项目面试）每个阶段突出怎么学为什么学、。求职（冲刺）路径分5阶段：、、基础（建模）实战（项目）入门（打基）、、进阶（优化）。
2026-04-13 16:56:50
256
原创 ReAct到Multi-Agent Planner：五大Agent设计范式
Multi-Agent Planner靠多Agent分工协作处理复杂任务，效率高但架构较复杂。Self-Reflection通过自我修正提升输出可靠性，不过耗时略增;AgenticRAG比传统RAG更主动，擅长知识召回与更新;CodeAct用代码执行任务，精准性高但对环境要求严;ReAct靠“思考+行动”结合工具完成任务，推理清晰但需控制步骤;总结一下这5种常见的AIAgent设计模式:适用于任务规模大、领域交叉多的场景(如综合性调研、复杂流程自动化等)
2026-04-13 16:56:20
177
原创 CS146S课程补充资料：AI辅助编程工具全景图
2025 年秋季，斯坦福计算机系出现了一门排课火爆的新课 —— CS146S: The Modern Software Developer（现代软件开发者）。这门课由 Mihail Eric 主讲，他是斯坦福校友，曾在 Amazon Alexa 担任技术主管，创办过 YC 孵化的 AI 编程公司，如今重返母校，开设了斯坦福历史上第一门专注于 AI 软件开发的课程。课程从 9 月 22 日开始，为期十周，每周两次课。
2026-04-13 16:54:49
238
原创 AI编程工具的局限性：什么做不了
这里有课程大纲、每周的 Slides（Google Slides 格式）、以及嘉宾演讲的资料。【请牢记】课程主页：https://themodernsoftware.dev【请牢记】每个作业都基于真实的 AI 工具——Claude Code、Warp、Semgrep、Graphite——而不是玩具项目。【请牢记】八周的实战作业覆盖：【请牢记】作业仓库：https://github.com/mihail911/modern-software-dev-assignments【请牢记】
2026-04-13 16:53:20
180
原创 AI Agent招聘需求爆发：现在入行是不是最好的时机
那具体该怎么干呢？不是画大饼，现在市场就是这个价格，好的ai agent开发公司都是抢着要的，由于懂这个的人太少了，而想用这个技术的公司又太多了。我们公司就有一个二本毕业的同学，由于技术牛又懂业务，现在一个月四万多，去年年终奖就几十万。再往上走，如果你能成为公司的技术大拿，负责设计整个公司的AI平台，那你一年的收入就是百万甚至两百万起步了。
2026-04-13 16:51:49
237
原创 AI Agent实习面经：字节、腾讯、美团真实面试题
后面一个偶然的机会我去听了一个腾讯、字节等大厂高p联合研发的LLM应用开发公开课，才发现Agent开发学习路线原来这么清晰！教程内容很系统，圈内大佬深入讲解LLM的关键架构和原理，以及Rag、Agent、LangChain、Fine-tune技术和Fine-tuning过程，带你把主流LLM怎么调用、接入业务、一步步搭出可用的智能应用，直接给你拆解sop，跟着做就能产出像样的作品。
2026-04-13 16:50:19
308
原创 大模型实习技术栈：分布式训练加推理框架学习笔记
体验是技术含量很高进步很大，虽然业务核心代码没啥注释，但用的都是比较先进的工程框架，靠着GPT老师一个个接口学，硬啃学会了分布式训练框架、推理框架，各种类型的微调……选择了小厂继续做rag，不过这边有agent开发内容，学会了langchain那些框架，有一说一感觉没啥用，自己也能写，纯应用层包装，门槛特低。小公司or普通研究院，非常一般。海面了好几家公司，靠以前的课题项目和pku一个研究院切合，拿了大模型算法实习生offer，实际上以rag+清洗数据为主，在这边学会的东西也不多，就是rag。
2026-04-07 14:01:06
35
原创 大模型实习岗位细分：你适合哪个方向
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 14:01:03
79
原创 大模型实习复盘：导师给8卡4090如何高效利用
3.后来读研一年多，潜修内功，学了vLLM，peft之类的训练框架，做了几个横向课题，对简单业务熟练了。选择了小厂继续做rag，不过这边有agent开发内容，学会了langchain那些框架，有一说一感觉没啥用，自己也能写，纯应用层包装，门槛特低。总结：互联网中厂大厂，尤其是给你权限给你机器玩的，去，提升极大。小公司or普通研究院，非常一般。海面了好几家公司，靠以前的课题项目和pku一个研究院切合，拿了大模型算法实习生offer，实际上以rag+清洗数据为主，在这边学会的东西也不多，就是rag。
2026-04-07 14:01:01
27
原创 大模型实习复盘：GPT老师带你一个个接口硬啃
3.后来读研一年多，潜修内功，学了vLLM，peft之类的训练框架，做了几个横向课题，对简单业务熟练了。选择了小厂继续做rag，不过这边有agent开发内容，学会了langchain那些框架，有一说一感觉没啥用，自己也能写，纯应用层包装，门槛特低。总结：互联网中厂大厂，尤其是给你权限给你机器玩的，去，提升极大。小公司or普通研究院，非常一般。海面了好几家公司，靠以前的课题项目和pku一个研究院切合，拿了大模型算法实习生offer，实际上以rag+清洗数据为主，在这边学会的东西也不多，就是rag。
2026-04-07 14:00:58
28
原创 大模型实习备战路线图：从入门到入职
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 14:00:56
33
原创 大模型实习内推：这些技能必须具备
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 14:00:53
34
原创 大模型实习上岸：某互联网中厂核心AI业务面经
3.后来读研一年多，潜修内功，学了vLLM，peft之类的训练框架，做了几个横向课题，对简单业务熟练了。选择了小厂继续做rag，不过这边有agent开发内容，学会了langchain那些框架，有一说一感觉没啥用，自己也能写，纯应用层包装，门槛特低。总结：互联网中厂大厂，尤其是给你权限给你机器玩的，去，提升极大。小公司or普通研究院，非常一般。海面了好几家公司，靠以前的课题项目和pku一个研究院切合，拿了大模型算法实习生offer，实际上以rag+清洗数据为主，在这边学会的东西也不多，就是rag。
2026-04-07 14:00:51
33
原创 大模型实习上岸攻略：导师想要的技能
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 14:00:48
107
原创 大模型如何提效数据开发？大厂实战经验
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 14:00:45
84
原创 大模型在数据开发场景的落地实践
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 14:00:43
88
原创 大模型在数据团队的真实应用场景
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 14:00:40
152
原创 大模型入门第一课：Transformer环境配置与依赖安装
基于大模型进行应用开发或提供服务，一般来说具有两种模式：模式一，大模型由第三方构建和维护，应用开发者（团队）一般不需要了解模型构建和部署的相关细节，不必了解 Transformer 架构，不必了解模型的训练过程，遵循既定协议调用模型 API 即可。模式二，大模型由开发者构建和维护，应用开发者（团队）的门槛会更高一些，需要懂得如何将模型进行加载和运行，甚至从头进行训练和微调，Transformer、DataSet、PyTorch/TensorFlow 等机器学习和神经网络的机制原理知识恐怕也是多多益善。
2026-04-07 14:00:38
211
原创 大模型依赖管理：transformers加deepspeed加xformers安装
HuggingFace Transformer 框架向上可以兼容 BERT、GPT、T5、LLaMA、Alpaca、Baichuan 等数千个预训练大模型，向下可以兼容 PyTorch、TensorFlow、JAX 三个最热门的深度学习库（可以直接使用一个框架训练模型，然后用另一个加载和推理）。架构优雅，每个定义的 Python 模块均完全独立，方便使用者修改和快速研究实验。拥有统一的接口规范，使用者可以很方便的进行模型下载、使用和共享。可以使用 pip 或 conda 安装 Transformer 包。
2026-04-07 14:00:35
217
原创 大模型从业者的年度总结：从LLM到Omni的技术演进之路
3.后来读研一年多，潜修内功，学了vLLM，peft之类的训练框架，做了几个横向课题，对简单业务熟练了。选择了小厂继续做rag，不过这边有agent开发内容，学会了langchain那些框架，有一说一感觉没啥用，自己也能写，纯应用层包装，门槛特低。总结：互联网中厂大厂，尤其是给你权限给你机器玩的，去，提升极大。小公司or普通研究院，非常一般。海面了好几家公司，靠以前的课题项目和pku一个研究院切合，拿了大模型算法实习生offer，实际上以rag+清洗数据为主，在这边学会的东西也不多，就是rag。
2026-04-07 14:00:33
250
原创 大模型从业者的2025年总结：从LLM到Omni的技术演进
这样更可靠、更容易解析。语料切分：项目中的关系抽取任务是句子级关系抽取，传统的句子级关系抽取数据集每条样本的句子长度是几十个Token。我在项目中使用的自建数据集，质量一般，实体关系密度较低，如果按照传统句子级关系抽取的窗口来切分语料，会导致关系样本量不足。计算方法：首先利用 Embedding 模型（如 BGE 或 OpenAI-text-embedding）对某个关系类别下的所有样本句子进行向量化，然后对这些高维向量求均值（Mean Pooling），得到该类别的“质心向量”来代表这个关系的原型。
2026-04-07 14:00:30
242
原创 大模型从业者的2025年总结：从LLM到Omni的技术演进之路
从2024年底DeepSeek"诺曼底登陆"以来，2025年开源和闭源模型迭代速度和开源质量远超以往几年。经常会遇到当T时刻在领域benchmark上优化到SOTA之后，T+1时刻有更优的通用模型公布，在领域benchmark指标反而比你专门优化的领域大模型更好。经历过几轮类似事件后，理解到做领域大模型的本质其实是产出一套稳健的训练方案Training-Recipe。即不管通用SOTA模型如何变化，我都能在短时间内基于通用SOTA模型，重新走一遍training recipe，达到更优水平。
2026-04-07 14:00:28
277
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