- 博客(14)
- 收藏
- 关注
原创 [开源框架-实战]用 Hermes Agent 搭一个微信播报机器人
30 分钟,零 Python 代码,搭出一个每天早上 9 点把 GitHub Trending 推送到你微信的机器人。顺带把 Hermes 的 Skill、Gateway、Cron 四个招牌能力全用上。
2026-05-17 20:48:52
638
原创 [理论篇-15]大模型安全伦理与合规
从全局视角理解 AI 安全威胁、伦理挑战和合规要求,掌握构建安全可信 AI 系统的核心思路——无论你是开发者、产品经理还是管理者,都能从中获得实用认知。
2026-05-11 22:58:52
562
原创 [理论篇-14]大模型评估与可观测性——如何知道你的 AI 到底行不行
用最通俗的话讲清楚,为什么 AI 应用上线前必须"考试"、上线后必须"体检",以及 2025-2026 年业界最实用的评估和监控方法。不管你是开发者、产品经理、还是企业管理者,读完这篇,你就知道怎么判断一个 AI 系统"到底好不好"。
2026-05-11 10:13:02
443
原创 [理论篇-13]AI 编程(AI Coding)—— 从“AI 帮你打字“到“AI 替你跑腿“,程序员的工种正在重写
场景一:周一早上的程序员小林场景二:某天下午的产品经理小杨小杨从来没认真写过代码,大学学过一点 Python 但忘光了。她想给运营组做一个小工具:把客服的对话记录批量按主题分类,导出 Excel。放在三年前,她的选择只有两个:写需求文档排队等开发,或者自己手搓一周。现在她做了什么?她全程没看过一行代码。第二天交给运营组,反馈是:“这玩意儿真好用。”场景三:某创业公司技术合伙人老周老周一个人,要开发一个小型 SaaS。三年前他自己估算需要 6 个月,2025 年中期他开始用 AI 编程,正式上线那天距离他
2026-05-08 22:47:31
454
原创 [理论篇-12]Multi-Agent(多智能体系统)—— 不是“AI 越多越好“,而是“什么时候该让 AI 拆开干“
多 Agent 系统就是一家由 AI 组成的小公司——有项目经理、有专家、有审核员,他们之间会派活、汇报、互相检查,最后一起把活儿干完。│ 公司里的角色 │ 对应到多 Agent 里的角色 ││ 老板 / 客户 │ 用户(发出原始任务) ││ 项目经理 │ 主 Agent / 编排者(Orchestrator) ││ 专家 1, 2, 3 ... │ 专家 Agent / 工人 Agent(Worker) ││ 质检 / 审核员 │ 评审 Agent / 裁判 Agent(Critic) │。
2026-05-07 22:47:45
409
原创 [理论篇-11]AI Agent(智能体)——不只是会答话的AI,而是会干活的AI
用最朴素的话讲清楚 AI Agent 到底是什么、它跟普通的"AI 聊天"和"AI 工作流"有什么本质区别、为什么 2024 年大家还在说"少用 Agent"而 2026 年它突然成了主角、以及它现在正在悄悄做哪些原本只有人能做的事。不管你是开发者、产品、运营、做内容的、还是只是想搞清楚"自己每天用的这个 AI 助手到底是什么级别"的普通用户,这一篇读完都能讲明白。
2026-05-06 23:58:28
366
原创 [理论篇-10]AI 工作流(AI Workflow)—— 让 AI 像流水线一样干活 ⚠️ 已逐步被多 Agent 架构替代
用最直白的话讲清楚什么是 AI 工作流、它和"扔给 AI 一个 Prompt"有什么本质区别、为什么 2025 年之后所有真正能落地的 AI 产品几乎都长成"工作流"的样子——不管你是开发者、产品经理、运营、还是只想自己搭一个 AI 助手的普通用户,这一篇读完都能看懂背后在发生什么。
2026-05-05 23:03:22
389
原创 [理论篇-9]Skill系统与能力封装
用最直白的话讲清楚 **Skill(技能)** 是什么、为什么 2025 年下半年它从一个小众概念变成了 AI 行业的新基建,以及它会怎么改变你和 AI 的相处方式——不管你是开发者、产品经理、运营、还是只想让 AI 多帮自己干点活的普通用户。
2026-05-04 23:06:37
236
原创 一、先讲个故事:AI 的“接线员困境“
用最直白的话讲清楚 MCP 是什么、为什么 2025 年它突然成为 AI 行业最热的协议、以及它会怎么改变你和 AI 工具的相处方式——不管你是开发者、产品经理、还是只想用好 AI 的普通用户。
2026-05-04 00:24:50
401
原创 Function-Calling与工具使用
理解如何让大模型调用外部工具(函数),从"只能说"变成"能做事"。这是 Agent 和 MCP 的基础
2026-05-02 23:06:16
369
原创 Embedding 与向量数据库
理解如何把文字变成数字(Embedding),以及如何高效地存储和搜索这些数字(向量数据库)。这是构建 RAG 系统的基础。
2026-05-01 00:07:51
432
原创 [理论篇-1] 大模型概论与发展历程
理解什么是大语言模型,它是怎么来的,又能做什么。读完本文,你将对 LLM 拥有一个清晰的全景认知,并能跟上 2026 年的最新技术进展。
2026-04-30 20:54:21
656
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
RSS订阅