程序员敲代码的“姿势”,正在被大模型改写!

slam_toolbox 简介和使用 专为移动机器人在未知环境中实时构建地图和定位设计。它适用于2D和3D环境,支持多种机器人平台和传感器配置。 阅读详情

大型模型的兴起和发展正在彻底改变着软件行业的面貌,为开发者们带来了更强大的工具和技术支持,使他们能够构建更智能、更复杂的软件系统。借助大型模型的能力,软件产品由此也可以实现更精准的语言理解、图像识别、自然语言生成等功能,带来更智能和个性化的服务。

在这个充满变革和挑战的时代,优快云 联合高端 IT 咨询与教育平台 Boolan 于 2024 年 4 月 25-26 日隆重举办了 ML-Summit 全球机器学习技术大会,特设“大模型赋能软件”论坛。

本论坛邀请到了微软首席应用科学家经理黄寓凡、阿里巴巴通义实验室资深算法总监李永彬、百度 Comate 架构师张立理、智谱 AI-CodeGeeX 算法工程师张鑫鹏、新浪微博新技术研发负责人张俊林一线专家,共同进行了技术干货分享和精彩绝伦的圆桌论坛,分享他们借助大模型在软件开发上的见解和经验,希望为开发者带来新思路和新启示。

图片

图片

黄寓凡:CodeLLM 在微软开发者部门的发展及其应用

代码补全对程序员而言,无疑是一个非常实用的功能与工具,它不仅可以提高编码效率,也能有效减少 Bug。这也是微软首席应用科学家经理黄寓凡及其背后的团队一直在致力于做的事情。

在同样是程序员出身的黄寓凡看来,软件开发是一个复杂的过程,远不止编写代码那么简单。过去两年间,微软做了大量的关于代码智能的工作。在主题分享中,黄寓凡以 CPT-C、Codist 为例,进行了简单说明。

图片

黄寓凡,微软首席应用科学家经理

其中,在前 LLM 时代,代码补全功能通常只能补全一个内存变量或者是或者是一个类方法, 通常使用统计机器学习模型,相对于现代语言模型来说,这种传统的机器学习模型很重要的特点就是需要做特征工程。这种补全方法的正确率都不是很高,它只能弹出一个它最有可能的一些候选集,然后让你来选。随着 AI 的发展,微软基于 Transformer 语言模型研发了代码补全工具 CPT-C ,可以预测任意字符,无需特征设计,也可以结合长上下文。

微软还带来了一款代码翻译的工作 Codist,将软件从一种语言转换为另一种语言的过程。使用代码翻译技术,将代码从原始的语言转换为另一种语言。除了跨语言翻译外,还有其他翻译方法,例如跨版本转换,即在修改代码后将其转换为不同的版本或框架,以满足新的需求。

然而,代码翻译是一项非常具有挑战性的任务,此前也有许多人尝试解决难题,从而形成了三种主要方法流派:

  • 第一个流派是无监督学习,即在缺乏平行语料的情况下,尝试使用无监督方法进行训练。
  • 第二种流派是标注平行语料。
  • 第三种方法是尝试找到一个中间表达。例如,如果想要进行中文到德文的翻译,但缺乏直接的平行语料,可以先训练一个中文到英文的翻译模型,然后再训练一个英文到德文的翻译模型。通过这种方式,英文成为了中间桥梁,使得中文到德文的翻译成为可能。代码翻译也使用中介语言做媒介帮助翻译。

经过研究发现,这三种方法都存在各自的局限性。在 Codist 中,微软采用了代码蒸馏的方式,核心是“关键词”,实现跨语言/领域的对齐。

以上这两种示例可以称之为 CodeSLM,这样的方式有优点也有缺点,优点是模型小,资源消耗少,也可以实现边缘计算,但缺点是只能局限在专一场景中,而并非像 LLM 一样是针对整个开发的通用模型,此外研发成本与效率也不低,知识/性能是有上限的。

基于此,微软已将 CodeLLM 应用于代码智能领域。作为一项将大型语言模型应用于软件开发领域的技术,CodeLLM 可以成为软件研发生命周期的通用模型,也带来了高性能基线。

图片

李永彬:通义灵码背后的技术和思考

不久前,阿里巴巴宣布迎来首位 AI 同事“通义灵码”,这位 7*24 AI 智能代码编程助手,擅长 Java、Python、Go、JavaScript、TypeScript、C/C++、C# 等 200 多种编程语言,可以辅助开发者写代码、读代码、查 Bug、优化代码等,从而引发众人关注。

在本论坛中,阿里巴巴通义实验室资深算法专家、通义灵码算法负责人李永彬带来《通义灵码背后的技术和思考》主题演讲。

图片

李永彬,阿里巴巴通义实验室资深算法专家、通义灵码算法负责人

李永彬表示,在代码领域,代码大模型的发展路线有两条。第一条路线以自然语言为出发点,首先建立一个基于自然语言的大模型,然后,向该模型注入代码数据,以实现一个能够自动生成代码的大模型;第二条路线则是从代码的角度出发,从海量的代码数据中进行训练,然后注入自然语言数据,以实现代码生成的目标。

在李永彬看来,代码大模型至少需要具备三层能力,即自然语言理解与生成、代码语言理解与生成以及这两种语言之间实现互通的桥梁。通义灵码背后的代码大模型 CodeQwen 就是基于通义千问大模型基座,以及通过海量技术文档、教程、书籍等和万亿级开源代码/积累代码训练而成,目前 CodeQwen 1.5 已开源:https://huggingface.co/Qwen/CodeQwen1.5-7B。

经过长时间的思考与探索,李永彬表示,想要构建开发者最喜爱的智能编码助手,需要具备四个方面能力:

  • 首先,要满足程序员高频刚需。根据 JetBrains 2023 年开发者生态报告显示,79% 的开发者称,编写代码是最耗时的活动,解决代码生成能力是智能编码助手的基本要求。
  • 其次,作为一个好的编码助手,要能简单方便、又快又好地去使用,为此,通义灵码打造了多模型协同+云端一体的技术架构。在云侧,通义灵码采用了多模型协同打造沉浸式编程体验的策略,之所以做多个大模型协同,是因为不同的任务,用户的实际需求不一样,对模型的能力和响应速度的要求也不同,单一模型难以服务好用户。而在端侧,要做到本地模型及跨 IDE 端插件统一架构设计。
  • 第三,能够非常好地理解上下文,精准理解用户的真实需求。基于代码的语义信息,充分让模型理解不同场景下所需的生成粒度,从而让模型能够根据当前正在编写的代码位置自适应决策应该生成的代码内容。更进一步,需要做到代码仓库级别的全局感知和理解,通义灵码使用先进的端侧实时代码语义分析技术,实时分析当前正在编写的代码,并获取所需的相关代码引用、相似的代码片段等语义信息,弥补单纯关注当前代码文件所需的不足,避免在生成的代码中引用了代码库内不存在的API等大模型常见的“幻觉”问题。
  • 最后,如何把编码助手和企业的私有数据资产结合到一起,做一个更契合企业需求和自己代码环境数据的助手,也是非常重要的。

面向下一步发展,李永彬说代码智能是 AGI 的先锋和明珠。在软件工程智能化领域,从简单 Copilot 到项目级 Copilot,当前正在向软件研发多智能体演进;再进一步,软件工程只是代码智能的一个方向,此外代码智能在数据科学、具身智能以及 AI4Science 等领域也有重要作用。

图片

张立理:智能化研发在百度的落地

随即,百度 Comate 架构师张立理带来了《智能化研发在百度的落地》主题演讲。在他看来,工程师最主要的工作就是编码的问题。

图片

张立理,百度 Comate 架构师

以往的研发工作往往面临着开发环境复杂、配置成本高、工作涉及多平台切换打断严重,而且相似代码编写效率低等多重问题,随着 2020 年 GPT-3 大模型横空出世,到 GPT-3.5、GitHub Copilot 产品矩阵愈发丰富,我们也亲眼见证了大模型已经切切实实地成为提效的一个手段。

基于这一趋势,张立理和他的研发团队开始探索大模型在智能研发中的应用,最终将重点放在了“帮你想、帮你写、帮你改”三大方向上。至此,百度内部已经有 80% 的工程师开始使用智能研发助手工具。

在构建强大的智能研发助手的过程中,张立理分享了三大挑战:

  • 首先,拥有代码数据用于训练模型并不意味着这些数据具备高质量。模型的效果取决于训练数据的质量。
  • 其次,编码与传统文本生成形式存在差异。
  • 最后,研发工作对于生成质量以外的因素也有一定要求。

基于这些挑战,他提出了构建优秀研发助手的建议,即优秀的模型、推理框架与产品的协同作用能够交付出优秀的智能研发工具。通过大规模的实际应用、用户优先和反馈驱动,使产品和模型不断改进,形成良性循环。通过RAG强化、大模型思维链、平台开放等手段,智能研发将更贴近组织与团队,胜任更大规模的需求实现。

图片

张鑫鹏:CodeGeeX:RAG和长文本模型在代码项目级别的探索和应用实践

在全球机器学习技术大会的大模型赋能软件开发者专题研讨会上,智谱 AI 的 CodeGeeX 算法工程师张鑫鹏深入分享了从开源代码模型到智能编程助手的实践探索历程。随着预训练模型的不断发展,自动代码生成迈入了全新阶段,预训练模型让生成复杂且正确的代码成为了现实可能。

图片

张鑫鹏,智谱 AI 的 CodeGeeX 算法工程师

张鑫鹏还着重介绍了基于国产平台华为 Mindspore 研发的 CodeGeex 代码模型。该模型采用了百亿规模的预训练代码,通过无监督学习的方式,在大量的代码语料上进行训练,能够完美适配 VS Code、Jetbrains、HBuilderX 等多种 IDE。

CodeGeex 的训练数据涵盖了 300 多种编程语言,包括 Python、Java、C++、JavaScript、C、Go、HTML 等主流编程语言以及一些小众语言。CodeGeex 从第一版发展到当下的第三版,逐步攻克了代码模型准确率低、中文理解能力差、部署成本高、输入上下文长度受限等一系列难题。而这些问题的解决,离不开 RAG 算法的引入以及 Multi-Agent 技术的有力支撑。

图片

大模型赋能软件开发变革

在本次大会上,Boolan 首席咨询师卢威作为圆桌主持人,与阿里巴巴通义实验室资深算法总监李永彬、百度 Comate 架构师张立理、新浪微博新技术研发负责人张俊林三大技术大咖,围绕“大模型赋能软件开发变革”以及最前沿的模型技术展开讨论。

图片

在当前行业中,Meta 最新发布的 Llama3 模型备受关注。张俊林评价称,「Llama 3 是一个非常重要的模型和版本,因为它的能力十分突出」。不久前,Meta 开源了 8B 和 70B 两个 Llama 3 版本,甚至未来还将推出 405B 版本。针对这一新模型,许多人已经开始进行了中文评测。尽管 Llama 3 削弱了中文能力,但其仍然表现出非凡的实力。可以预见,未来几个月推出的 405B 版本将取得更好的效果,很可能会超越国内绝大多数中文模型,这对国内创业型大型模型公司将带来巨大压力。

在本次圆桌论坛上,四位专家都同意巨大的数据量是 Llama 3 表现惊艳的最重要因素之一。可能包含大量的合成数据,并且合成数据在未来模型能力的提升中可能扮演重要的角色。张俊林和卢威分别分析了合成数据在多模态模型和代码模型中的效果和期望。

代码模型的性能上限,还有很大的空间。随着数据量的增加,模型性能的提升是显而易见的。对此,李永彬指出,随着数据量的增加,我们也会面临几个挑战。首当其冲的是数据质量问题,当数据量达到万亿级别时,依赖人工处理可能会显得不太切实际;其次,如何更好地结合代码数据本身的结构和特点去设计模型结构和训练目标,也是一个有挑战但充满潜力的方向。

最后,卢威提出了一个不少开发者都非常关心的问题,即当前代码模型的能力评估往往与人类的中上水平相媲美,因此行业中也有了不少以辅助人类(Copilot)的方式实现的应用。然而,软件产业从业人员的技能水平与岗位要求实际上存在差异。考虑到这些因素,是否在某些环节上已经可以实现 AI 的全自动化?

针对这个问题,张立理表示,可以从几个维度来看这件事。以 AI 对软件开发的影响,第一阶段最简单的是代码补全,这是最初级的应用。其次是建立一个仓库级的代码补全系统。这两个层面对开发者的影响并不大。然而,第三个层面涉及到一些“威胁”,在这个阶段,我们可能开始推荐 AI 来处理单个需求。第四个阶段则是过渡到项目级别的应用,至于第四阶段什么时候能实现,我们也无法确定。

在这一系列环节中,就像在公司内部讨论项目或提出立项需求时一样,从几个人开始关键出发,逐渐明确需求,然后将其转化为实际问题。在这样的流程中,前期的环节尤为重要。

总的来说,如果不计成本地通过 Agent 等技术结合起来,或者限定问题的范围,一些环节目前是可以全自动化的,但 AI 想要去取代某些职级能力,情况可能并不那么容易。

对此,卢威和李永彬都指出,AI 研究和传统软件工程两个领域的“相向而行”,共同努力,可预期的提升空间是巨大的。

在本次大会上,各位专家的发言让我们深刻认识到,大模型正在以前所未有的方式渗透软件行业,为其带来了前所未有的机遇和挑战。我们听到了来自各领域的见解和经验分享,为我们打开了新的思路和视野。正如大会期间所强调的那样,大模型赋能软件,影响深远。我们期待着在未来的探索中,能够进一步深化对大模型的理解,并将其应用于软件领域,实现更多创新和突破。
​

如何学习AI大模型?

作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的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。

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】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

img

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

img

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

四、AI大模型商业化落地方案

img

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

基于深度学习的智能监考系统(UI界面 + YOLOv8/v7/v6/v5代码 + 训练数据集) 行为检测与识别:能够自动识别考生在考试中的异常行为,如作弊、看手机、交头接耳等。实时监控:在考试期间,系统能够对考生的行为进行实时监控,及时发出警报。用户交互:通过简洁易用的UI界面,便于监考人员进行实时监控、查看警报和视频回放等操作。行为分析与反馈:系统能够识别出考生的违规行为,并提供反馈。本文详细介绍了如何构建基于YOLOv5的智能监考系统,从数据集的准备、YOLO模型的训练,到UI界面的设计与实现,展示了一个完整的深度学习监控系统。 阅读详情

相关推荐

cst使用局部网格加密,手动加密,special设置等方法合理网格布局加速仿真速度

在CST中,计算复杂模型或者阵列的时候往往需要耗费大量仿真时间,除了使用更高性能的电脑或工作站进行仿真,合理对CST的仿真网格进行适当设置也是必不可少的一步。CST中网格设置影响模拟的精度和速度,因此花时间理解网格过程是很重要的。

OVEN_b612的博客 1万+

20个主流的代码生成LLM大模型及9种常见应用场景

自动完成或代码生成功能已在开发工具中存在多年。早在 1996 年,微软就在 Visual Studio 中为 Visual Basic 引入了这一功能(IntelliSense)。熟悉 Eclipse 的人可能使用过 Java getter 和 setter 生成函数,以及变量名的字符串导出函数(著名的“public String toString()”函数)。提供下一行代码仍然是这些 IDE 工具的一个重要功能,通常通过同时按下 Control 和空格键来激活。

新缸中之脑 1万+

Python+whisper/vosk实现语音识别

Whisper 是一个由 OpenAI 开发的人工智能语音识别模型,它能够将语音转换为文本。Whisper 模型特别之处在于它的设计目标是能够理解和转录多种语言的语音,包括但不限于英语。Whisper 模型在训练时使用了大量不同语言的语音数据,这使得它具有很好的跨语言能力。Vosk 是一个开源的语音识别库,它可以在离线环境下工作,不依赖于任何外部服务。Vosk 基于Kaldi语音识别框架,支持多种语言,包括中文。Vosk提供了多种预训练模型,可以根据需求选择适合的模型进行语音识别。

weixin_44458771的博客 5943

论文干货 | 首篇代码生成大模型综述

全网首篇最全面透彻的代码生成大模型论文综述的详解。分享一篇来自上海交通大学的最新代码生成大模型的论文综述。系统回顾了使用语言模型处理代码的最新进展,涵盖 50 多种模型、30 多种评估任务和 500 多项相关工作。将代码处理模型分为以 GPT 系列为代表的通用语言模型和根据特定目标对代码进行预训练的专用模型。讨论代码建模从统计模型和 RNN 到预训练 Transformers 和 LLM 的历史过渡,这与 NLP 的发展历程类似。

qq_45832461的博客 6095

STM32版CCD线性摄像头寻线寻迹小车_stm32接ccd

目前大多数的小车寻线寻迹都是用红外对管寻线,这是比较简单也比较成熟的技术方案,且成本也低。本文将介绍使用CCD线性摄像头寻线寻迹。TSL1401 线性传感器由一个 1x128 的光电二极管阵列、相关的电荷放大电路以及一个内部像素数据保功能组成。内部像素数据保功能可以为所有像素点提供同时积分的开始和停止时间。该阵列由 128 个像素组成,每个像素的感光面积为 3,524.3 平方微米。像素之间的间隔为 8μm。内部控制逻辑简化了操作,该模块需要串行输入(SI)信号和时钟信号(CLK)。

2401_87557129的博客 3230

从5V降到3.3V,你的LDO到底有多烫?手把手算功耗、选散热,避开这些坑

本文详细解析了LDO在5V转3.3V电路中的发热问题,提供了精确的功耗计算公式和散热设计方法。通过对比不同封装的热阻参数和优化PCB布局,帮助工程师有效降低LDO温度,避免热保护触发。文章还探讨了替代方案的技术拐点,为电源系统优化设计提供实用指导。

weixin_30304375的博客 437

48个代码大模型汇总,涵盖原始、改进、专用、微调4大类

具有强大的表达能力和复杂性,可以处理各种自然语言任务,包括文本分类、问答、对话等。这些模型通常基于深度学习架构,如Transformer,并使用预训练目标(如语言建模)进行训练。在对大量代码数据的学习和训练过程中,代码大模型能够提升代码编写的效率和质量,辅助代码理解和决策,在代码生成、代码补全、代码解释、代码纠错以及单元测试等任务中都表现出十分出色的能力。为了帮大家深入掌握代码大模型的发展历程和挑战,我这次整理了相关的48个模型。

学姐带你玩AI的博客 5705

微信小程序-如何根据缩放屏幕大小自适应icon图标更改marker

微信小程序如何根据用户的缩放屏幕来改变marker图标icon的大小,实现icon自适应屏幕缩放的效果

Bartender_VA11的博客 3986

收藏!程序员薪资卡在18k?转行AI大模型,实现薪资跃迁的正确姿势!

近期科技圈传来重磅消息:行业巨头英特尔宣布大规模裁员2万人,传统技术岗位持续萎缩的同时,另一番景象却在AI领域上演——AI相关技术岗正开启“疯狂扩招”模式!据行业招聘数据显示,具备3-5年大模型相关经验的开发者,在大厂就能拿到50K×20薪的高薪待遇,薪资差距肉眼可见!业内资深HR预判:不出1年,“具备AI项目实战经验”将正式成为技术岗投递的硬性门槛。在行业迭代加速的当下,“温水煮青蛙”式的等待只会让自己逐渐被淘汰,与其被动应对,不如主动出击,抢先掌握AI大模型核心原理+落地应用技术+项目实操经验。

m0_70143232的博客 174

RuyiDify如何创建知识库API密钥:让程序安全访问知识库

知识库 API Key 是程序访问知识库的钥匙。创建它很简单,但真正重要的是知道它能做什么、应该放在哪里、不能暴露给谁。RuyiDify 讲这一步,不是为了让大家多记一个按钮,而是为了把知识库从“人工上传资料”推进到“程序化维护资料”。

未来已来,AI时代,学AI编程,做AI量化,就来大鹏AI教育。 140

[dprecated]第五章:TTM分析: 5.1 TTM设计目标和核心概念

TTM是Linux DRM框架下的通用显存管理模块,其复杂性源于需要满足多样化的显存管理需求。该文解析了TTM的核心结构体及其关系:ttm_device作为顶层管理者,包含多个ttm_resource_manager处理不同类型内存;ttm_buffer_object为核心对象,通过ttm_resource关联物理资源;其他组件如ttm_tt管理页表、ttm_pool优化分配效率。文章强调理解这些结构体关系是掌握TTM机制的基础,并建议国产芯片开发者参考这些功能需求。

图形/计算GPU的驱动与虚拟化技术分享园地 2133

腾讯也出了个Cursor,之后程序员敲代码可以用上AI小助手了!

CodeBuddy IDE 顾名思义,是一个 AI 编程的集成开发环境,包括 IDE 的全部常见能力,可以调用 Claude、Gemini、GPT(国际版)、DeepSeek、混元(中国版)等大模型,能够链接 Supabase、TCB 等「后端即服务」平台,并且具备 Figma、MCP 等能力,且知识库/RAG 等能力也在快速进化。

2401_84204207的博客 1199

【AUTOSAR-IpduM】-2.2-创建并配置一个接收RX的(Multiplexed-I-PDU)多路复用

案列背景: 在CFG中配置一个发送TX的(Multiplexed-I-PDU)多路复用Frame。 目录 1 在Arxml中创建一个发送的多路复用Frame 2 CFG导入带多路复用Frame的ARXML 2.1 CFG中提示的错误Error 2.2 如何解决CFG中提示的错误Error 3 结尾 <--返回「Autosar_BSW高阶配置」总目录--> <--返回「Autosar_BSW高阶配置」专栏主页--> <--返回「个人博客」首页--&g..

「汽车电子助手」的博客 1572

收藏!小白&程序员入门大模型不踩坑指南:从应用出发,7天就能用AI提效

最近后台收到不少粉丝留言,问题几乎集中在这几点:“AI发展太快,感觉随时会被替代,想入门大模型但不知道从哪下手?“大模型相关的技术、工具更新不停,资料看了一堆,越学越乱,根本摸不着重点。“我没学过Python,能上手搭建智能体吗?总觉得大模型门槛很高。其实,这些疑问的背后,藏着很多人对大模型学习的。看似合理的担忧,实则都踩进了大模型学习的“劝退陷阱”里。对普通人、小白甚至刚入门的程序员来说,学习大模型真正需要的,不是复杂的技术攻坚路线,而是一条**“能立刻上手、能解决实际问题”的应用型学习路径**。

kaka0722ww的博客 925

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

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

收藏级!小白&程序员入门大模型指南,打破“炼丹”焦虑,从零到上手全攻略

AI大模型这条路,说长不长,说短不短。有人三个月就能上手开发AI应用,有人三年还在门外徘徊——区别不在于智商,不在于基础,而在于是否真的动手了。但如果你看完第一章,就打开DeepSeek、Kimi,开始练习提示词;看完第三章,就去Dify搭一个自己的知识库;看完第五章,就去Coze搓一个简单的Agent;看完第七章,就跟着学习路线,一步步夯实基础——那这篇指南,就是你的“通关秘籍”,能帮你快速入门大模型,不管你是小白,还是程序员,都能从中获益。技术的世界很公平:你投入多少时间,它就回报你多少能力;

EnjoyEDU的博客 356

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

行业观察 | 李彦宏给出“卷”大模型应用的三个姿势

李彦宏提到,大模型和生成式AI将彻底改变开发者群体时代不同了,“开发者”的定位和姿势也不同了2023年是百度在AI大模型狂奔的一年,根据2023年财报各项数据,百度也是国内最先享受到新一代AI技术带来商业红利的公司之一。今年,这家公司的新重点是大模型开发生态的建设。2024年4月16日,百度创始人、董事长兼首席执行官李彦宏在Create 2024百度AI开发者大会上提到了一个新说法:“只要会说话,你就可以成为一名开发者”。开发者也好,程序员也罢,这个职业多多少少存在普通人很难一蹴而就的专业门槛。

youmaob的博客 909

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!小白程序员必看:轻松入门大模型,+AI提升效率的正确姿势

最后,给大家总结一个简单好记的“+AI”落地公式,帮你快速理清思路:清晰工作流 + 明确需求 + 匹配1-2款适配AI工具 = 高效AI赋能2026年,AI对程序员的意义,从来不是颠覆职业,而是让我们从重复、繁琐的工作中解脱出来,聚焦核心的业务设计与技术创新。至于“养龙虾”和“+AI”的关联,其实很简单:“养龙虾”这类工具能帮你抓代码信息、生成辅助内容,但它抓不住你脑子里的业务逻辑与核心需求。先想清楚自己要解决什么工作问题,再用AI工具。

2501_92003677的博客 529

程序员转AI大模型?AI大模型转型指南:程序员如何华丽转身,成为AI领域佼佼者?

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。

weixin_55154866的博客 1442

收藏!大模型学习避坑指南:程序员从入门到项目变现的实战路线

很多程序员学大模型时,总想着“等学完Transformer原理再动手”“等攒够10个项目再求职”,却忽略了大模型技术迭代极快,“先完成再优化”才是正确姿势。现在就行动:用1周搭建好开发环境,用3周完成第一个LangChain项目,用1个月将项目部署上线并写成技术博客。当你把“能跑通的代码”变成“可交付的项目”,把“学习笔记”变成“技术分享”,你会发现,大模型带来的不仅是技术提升,更是职业发展的新机遇。记住:在大模型浪潮中,“敢动手的程序员”永远比“只会观望的理论家”更有竞争力。

m0_48891301的博客 827

2025年第二大AI神器!程序员集体失业?GitHub Copilot重新定义代码革命!

GitHub Copilot不是替代者,而是进化的催化剂。正如资深架构师所言:“

HUANGXIN9898的博客 2731

收藏备用!普通人&程序员入门大模型实用指南:从落地到应用,避开90%的坑

很多人对大模型的焦虑,源于“只看不做”——总觉得自己还没准备好,总在等“更全面的教程”“更简单的工具”,结果一直停留在原地。其实入门大模型,你只需要做好3件事:换视角:把大模型当成“工具”,不是“高深技术”,像用手机、电脑一样自然使用;找场景:从身边的小事入手,比如用大模型写一篇周报、生成一段代码、改一个文案,先落地第一个需求;轻起步:不用学底层、不用追新,先把“提示词+主流工具”用熟,再逐步进阶。大模型不是专家的专属,而是这个时代给普通人&新手程序员的“效率杠杆”。

EnjoyEDU的博客 1227

收藏!零基础也能玩转AI:程序员&小白专属入门指南

当ChatGPT帮你生成接口文档、MidJourney画出产品原型、AI代码助手补全调试语句时,人工智能早已从实验室走进程序员的IDE、职场人的办公软件,甚至普通人的手机里。但身边仍有不少朋友——无论是刚入行的开发小白,还是想借AI提效的职场人,都被“零技术背景”“需要高深数学”的标签吓住,总觉得AI门槛高不可攀。作为常年泡在技术社区的开发者,我可以负责任地说:如今的AI入门难度,早已低到“会用手机就会用AI”。找对方向、用对工具,普通人甚至能比专业开发者更快尝到AI的甜头。

优快云_430422的博客 1225

【必收藏】Java程序员如何转型大模型应用开发,薪资翻倍不是梦!

传统Java程序员因供需失衡面临薪资缩水问题。转型大模型应用开发工程师是提升薪资的有效途径。Spring AI作为Java程序员学习大模型应用开发的最佳技术起点,可帮助掌握主流大模型技术。

m0_59162559的博客 918

程序员如何进阶学习 AI:从“会用”到“能落地”的实战路径

数据库缓存消息队列你不需要成为“AI 科学家”,但你必须成为“会用 AI 的工程师”。

cghrj的博客 603
上一篇: 用大模型帮程序员找Bug,中科院剖析102篇论文总结出这些方案
下一篇: 程序员35以后,就只能靠AI了......
少喝冰美式
博客等级 码龄3年 6851粉丝 517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