36岁后端程序员裸辞转型大模型开发:半年上岸经验分享+收藏必看!

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

本文分享了36岁后端程序员裸辞转型大模型开发的经验,包括为何转型、需要掌握的技能(Python、Prompt Engineering、RAG、Fine-tuning、Agent、向量数据库等)、半年上岸的转型全过程以及给中年转型者的4条血泪经验。文章强调后端程序员的工程化思维是大模型应用开发的优势,并提供了一套完整的AI应用开发学习路线,帮助迷茫的程序员找到新的职业方向。
请添加图片描述

一、36岁后端,我为何非要“裸辞转型”?

做后端开发整整10年,从最初的Java初级开发,做到技术主管,手里握着不算低的薪资,却在35岁之后,越来越焦虑。😮💨 行业内卷越来越严重,公司不断招年轻程序员,薪资比我们低,精力比我们旺,我每天加班到深夜,却还是感觉随时会被淘汰。更让我焦虑的是,后端开发的技术迭代越来越慢,我做的工作越来越重复,一眼就能看到退休的样子,那种无力感,只有中年人才懂。

偶然一次,公司要做一个智能客服系统,需要对接大模型API,领导把这个任务交给了我。也是这一次,我第一次接触到大模型应用开发,才发现原来程序员还有另一条路可走——不用死磕复杂的算法推导,不用和年轻人拼体力,凭借我们后端程序员的工程化思维,就能把大模型“用起来”,而且这个领域缺口大、薪资高,哪怕是36岁,也有足够的发展空间。那一刻,我下定决心:转型,做大模型应用开发!💪

二、大模型应用开发,比后端多学哪些东西?

很多人问我,大模型应用开发和后端开发,到底有什么不一样?说实话,作为一个有10年经验的后端,我们最大的优势从来不是算法,而是工程化思维——把复杂的事情拆解、落地,保证系统稳定、高效运行。而大模型应用开发,核心就是“用模型解决实际问题”,不需要我们去推导Transformer架构的公式,不需要我们训练底层模型,我们要做的,就是把现成的模型“盘活”,让它适配企业的实际需求,这正是我们后端程序员的强项。✅

通过分析上千个大模型应用开发岗位,结合我自己的转型经历,我发现,相比于后端开发,我们主要需要多掌握这几样东西,而且都不算难,只要肯花时间,中年人也能快速上手。

  1. Python语言熟练度

虽然我之前一直用Java,但Python的语法相对简单,后端程序员有编程基础,捡起来很快。这里提醒大家,不用追求精通所有Python语法,重点把Flask/FastAPI玩熟,相当于后端的Spring Boot,能快速搭建接口,对接大模型API就足够了,我当时花了1周时间,每天抽2小时练习,就基本能上手写代码调用大模型了。⌨️

  1. Prompt Engineering(提示词工程)

这可不是简单的和大模型聊天,而是通过思维链(CoT)、Zero-shot等技巧,让模型听话,输出我们想要的结果。比如同样是让模型写一篇文案,不懂提示词工程,输出的内容杂乱无章;掌握技巧后,就能让模型按照指定的风格、结构输出,效率翻倍。我当时每天都会练30分钟提示词,结合实际场景打磨话术,慢慢就找到窍门了。💬

  1. 大模型“三大法宝”:RAG、Fine-tuning、Agent

这是转型的核心,也是企业招聘时最看重的技能。RAG(检索增强生成),主要解决大模型“胡说八道”和知识滞后的问题,比如企业的智能客服,需要结合内部文档回答问题,就需要用RAG把文档拆解、存入向量数据库,再让模型检索后生成答案;Fine-tuning(微调),就是让通用模型懂行业黑话,比如金融、医疗领域的专业术语,微调后模型能更精准地输出专业内容;Agent(智能体),能让模型自动完成复杂任务,比如自动生成周报、自动调用业务接口,是未来的发展趋势。🔧

  1. 向量数据库

这是RAG的基石,比如Milvus、Chroma、Weaviate,和我们后端常用的关系型数据库不一样,但学习难度不高,重点掌握如何把PDF、Word等文档切片、嵌入,存入数据库,再进行检索,我当时跟着开源项目练了半个月,就基本能独立搭建向量数据库了。🗄️

三、我的转型全过程(半年上岸,附踩坑细节)

说完要掌握的技能,再跟大家说说我的转型过程,这半年,我踩了很多坑,也总结了很多实用经验,希望能帮大家少走弯路。我当时是裸辞转型的,现在想来,有点冒险,但也倒逼自己全力以赴。转型初期,我也很迷茫,不知道从哪里开始学,一开始跟风啃深度学习,看了一周就放弃了,全是公式推导,对我们后端转型的人来说,太晦涩,完全用不上。后来我调整了思路,放弃“啃硬骨头”,走“短平快、重落地”的路线,这也是我想给大家的第一个经验:后端转型大模型,不要一开始就死磕算法,先聚焦“应用落地”,先能做出东西,再慢慢深耕。⚠️

第一阶段:基础铺垫(1-2周)—— 快速上手,建立信心

重点捡Python,练API调用。我每天花3小时,一边看Python基础教程,一边去OpenAI、DeepSeek、阿里千问的官网,申请API Key,写简单的调用代码,比如让模型生成文案、解答问题,慢慢感受大模型的逻辑,这个阶段的目标,就是能熟练用Python调用大模型API。🚀

第二阶段:核心技能突破(1-2个月)—— 实战为王,筑牢基础

这是转型成功的关键,我重点攻克了RAG和LangChain框架。因为RAG是企业最刚需的场景,也是最容易上手的方向,我跟着开源项目学习,用LangChain把模型、提示词、向量数据库串起来,花了一个月,做出了第一个实战项目——智能文档问答系统,这也成为我后来面试时的核心筹码。📝

第三阶段:实战打磨+面试准备(2-3个月)—— 查漏补缺,成功上岸

光会理论不行,企业更看重实战经验。我除了完善智能文档问答系统,还做了两个实战项目:一个是基于LoRA的行业模型微调(针对教育行业,让模型能解答学科问题),一个是简单的Agent自动周报生成器,能调用Git记录、Jira任务,自动生成周报。同时,我开始整理自己的项目经验,总结转型过程中遇到的问题和解决方案,比如向量数据库的优化、模型推理速度的提升(这正是我们后端的强项),这些内容,在面试时非常加分。📈

面试的时候,我也踩过坑,一开始因为没有大模型相关工作经验,被很多公司拒绝,但我没有放弃,每次面试后都总结经验,调整面试思路。我发现,中年转型,面试官更看重你的学习能力、工程化思维和实战项目,而不是算法基础。所以面试时,我重点讲自己的项目,讲怎么用后端思维解决大模型应用中的问题,比如怎么保证系统稳定、怎么优化接口响应速度,慢慢就获得了面试官的认可,最终成功上岸一家大厂,薪资比之前还高了30%!🎉

四、给中年转型者的4条血泪经验(必看)

最后,给正在转型或者想转型大模型开发的中年人,分享几个我总结的核心经验,都是血泪教训,希望能帮到大家。

经验1:不要盲目裸辞,稳妥为先

不要盲目裸辞,除非你有足够的积蓄和决心。我当时裸辞,是因为手里有半年的生活费,而且做好了“半年不上岸”的准备。如果大家没有这个底气,可以先利用业余时间学习,掌握核心技能、做出1-2个实战项目后,再跳槽,这样更稳妥。💸

经验2:拒绝“无效学习”,聚焦“落地实战”

很多人转型时,买了很多课程、看了很多资料,却从来没有动手做过项目,最后学了半年,还是什么都不会。后端转型大模型,最核心的就是“动手”,哪怕是一个简单的API调用、一个简易的RAG系统,只要动手做,就能慢慢找到感觉,积累经验。🙌

经验3:利用好后端优势,不妄自菲薄

我们中年人,虽然精力不如年轻人,但工程化思维、问题解决能力,是年轻人比不了的。大模型应用开发,本质上还是“工程化落地”,我们擅长的系统搭建、接口优化、问题排查,都是核心竞争力,只要把这些优势发挥出来,再补充大模型相关的技能,就能快速立足。💡

最后想说:年龄从来不是限制

36岁转型,很难,要面对家庭的压力、学习的困难、面试的挫折,但也很值得。当我拿到大厂offer的那一刻,所有的辛苦都烟消云散,我终于摆脱了中年危机,找到了新的职业方向。我想告诉大家,年龄从来不是限制,只要你有勇气改变,有决心坚持,哪怕是36岁,也能在大模型领域闯出一片天。🌟

最后

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。曾经热闹的 “百模大战”,早就告别单纯比拼模型参数,正式进入落地应用时代。

现在企业疯狂紧缺一类人才:懂业务、懂 AI、能做出可上线项目的大模型开发工程师,岗位缺口大,薪资待遇十分可观。

在这里插入图片描述

风口再好,不如手握高薪 offer 实在。行情火热,普通人、程序员该怎样从零入门大模型,抓住这波机会?

今天整理好【2026 最新版】AI 大模型全套免费学习资源,覆盖零基础入门、项目实战、理论知识、大厂面试,从基础一路进阶。所有资料分类归档,没有多余杂料,无套路免费分享给想要入局 AI 赛道的程序员与零基础小白!

👇👇扫码免费领取全部内容👇👇

在这里插入图片描述

1、大模型系统化完整学习路线

在这里插入图片描述

2、大模型经典书籍&文档

在这里插入图片描述

3、AI 大模型最新行业研究报告

在这里插入图片描述

4、企业级实战项目 + 完整配套源码

img

5、大厂大模型面试真题汇总

img

6、这些资料真的有用吗?

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理,现任上海殷泊信息科技CEO,其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证,服务航天科工、国家电网等1000+企业,以第一作者在IEEE Transactions发表论文50+篇,获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的技术人员,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。
在这里插入图片描述
在这里插入图片描述

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

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

手把手配置:用Synopsys VDK为英飞凌TC4x系列MCU做虚拟原型开发

本文详细介绍了如何使用Synopsys VDK为英飞凌TC4x系列MCU进行虚拟原型开发,涵盖开发环境搭建、关键外设虚拟化配置、AUTOSAR栈集成及虚拟调试与性能调优全流程。通过虚拟原型技术,开发者可提前6-12个月启动软件开发,显著提升汽车电子项目的开发效率。

weixin_30606461的博客 291

36岁后端程序员裸辞转型大模型开发,半年上岸大厂!收藏这份避坑指南

36岁转型,很难,要面对家庭的压力、学习的困难、面试的挫折,但也很值得。当我拿到大厂offer的那一刻,所有的辛苦都烟消云散,我终于摆脱了中年危机,找到了新的职业方向。我想告诉大家,年龄从来不是限制,只要你有勇气改变,有决心坚持,哪怕是36岁,也能在大模型领域闯出一片天。🌟。

kaka0722ww的博客 125

【汽车主动降噪】【ANC算法优化】基于深度学习的汽车主动噪声控制技术研究及Matlab实现

本文探讨了基于深度学习的汽车主动降噪(ANC)算法优化方案。针对传统FXLMS算法在应对复杂、非线性车内噪声时的局限性,文章详细解析了如何利用神经网络作为非线性建模器、深度滤波器或智能步长调节器来增强ANC系统性能,并提供了完整的Matlab仿真实战流程,展示了深度学习在提升降噪效果和收敛速度方面的潜力。

seed的博客 540

36岁后端程序员裸辞转型大模型开发半年上岸,附踩坑经验+学习路线(收藏备用)

36岁转型,很难,要面对家庭的压力、学习的困难、面试的挫折,但也很值得。当我拿到大厂offer的那一刻,所有的辛苦都烟消云散,我终于摆脱了中年危机,找到了新的职业方向。我想告诉大家,年龄从来不是限制,只要你有勇气改变,有决心坚持,哪怕是36岁,也能在大模型领域闯出一片天。🌟。

youmaob的博客 138

Doris存储层设计介绍2——数据写入及删除流程

Doris存储层设计介绍2——数据写入及删除流程

爱吃辣条的博客 4588

WSL2网络配置全攻略:如何让Windows和Linux子系统互相访问端口(附防火墙设置)

本文深入解析WSL2的网络架构,并提供详细的端口互通配置指南。针对WSL2与Windows宿主机之间常见的网络访问问题,文章从原理出发,逐步讲解如何识别网络环境、配置Windows防火墙规则、调整服务监听地址,并介绍镜像网络模式等进阶优化方案,最终实现稳定可靠的双向端口访问。

sony5的博客 1148

36岁程序员裸辞转型大模型开发,半年上岸!收藏这份保姆级学习路线

36岁转型,很难,要面对家庭的压力、学习的困难、面试的挫折,但也很值得。当我拿到大厂offer的那一刻,所有的辛苦都烟消云散,我终于摆脱了中年危机,找到了新的职业方向。我想告诉大家,年龄从来不是限制,只要你有勇气改变,有决心坚持,哪怕是36岁,也能在大模型领域闯出一片天。🌟。

2401_85379281的博客 374

全志Longan和Tina系统T113-S3-(Tina Linux 系统介绍)

Tina Linux是全志科技基于Linux内核开发的针对智能硬件类产品的嵌入式软件系统。Tina Linux基于openwrt-14.07 版本的软件开发包,包含了 Linux 系统开发用到的内核源码、驱动、工具、系统中间件与应用程序包。Tina系统软件架构如图所示。从下至上分别为Kernel && Driver、Libraries、System Services、Applications 四层。

szembed的博客 6337

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 224

实战优化!C#上位机串口通信卡顿问题:超时机制+数据缓存方案

串口名</param>/// <param name="baudRate">波特率

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 1064

实现电脑同时上内网和外网(或通过外网访问到该电脑通过该电脑访问内网)

一、需求描述 目前使用的公司网络只能够上内网,但是又有上外网查资料的需求: ①想要实现电脑既能上内网的同时也可以上外网; ②想要使用其他外网电脑使用外网连接到该电脑,通过该电脑访问内部的网络内容。 二、准备内容 电脑必须具备两个网卡,即:可以同时连接内网和外网(比如我的笔记本就可以:使用网线连接笔记本网口与内网通讯,使用WIFI连接手机热点访问外部网络); 注意:如果只有一个网口,可以另外购买USB的无线网卡来实现上网卡。 三、实现电脑同时上内网和外网的操作步骤 3.1、网络拓扑图 ..

提供C#相关开发 、云计算、运维测试、网络安全相关技术分享与服务,有意向可联系。 2万+

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 398

基于STM32L4XX、HAL库的ICP-10111压力传感器驱动程序设计

define ICP10111_CMD_MEAS_ULN 0x7866 // 超低噪声模式。#define ICP10111_CMD_MEAS_LP 0x609C // 低功耗模式。#define ICP10111_CMD_MEAS_LN 0x70DF // 低噪声模式。#define ICP10111_CMD_MEAS_N 0x6825 // 正常模式。ICP10111_MODE_LN, // 低噪声。// 等待测量完成(根据模式不同等待时间不同)

zhusl6688的博客 417

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 2万+

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

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/

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 246

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 501

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

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 201

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 199

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 558

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 574

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 90

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 278

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 640

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 338

语音识别与语音合成的技术原理及应用

语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。

weixin_62919816的博客 210

设计师工作室 GEO 实操:如何提升 AI 实体推荐概率

设计工作室 GEO 的本质,是把创意服务转化为 AI 可理解的结构化信息。核心动作可归纳为:区分事实与审美、建立实体图谱、预判用户提问、输出脱敏内容、搭建多信源、持续测试验证。梳理工作室的 6 个实体属性:品类、城市、流程、边界、团队、渠道。在官网或作品集平台发布至少 3 篇结构化项目复盘,只陈述事实。输出 1 篇「设计报价影响因素」科普内容,覆盖甲方高频提问。争取 1 次行业媒体或本地媒体专访,形成第三方信源。每周用「XX 城市 + 品类 + 设计工作室推荐」指令测试,记录出现频率。

goujunwe的博客 337
上一篇: Java程序员8周进阶AI高手:从Spring AI到Agent实战(收藏版)
下一篇: 2026最新收藏版!AI大模型从入门到落地全攻略(小白/程序员专属)
冻感糕人~
博客等级 码龄3年 8926粉丝 2384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