<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[2401_85390073的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/2401_85390073</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; 2401_85390073]]></copyright><item><title><![CDATA[2个月速成！AI大模型从入门到精通，小白也能轻松掌握的终极学习指南]]></title><link>https://blog.csdn.net/2401_85390073/article/details/169347311</link><guid>https://blog.csdn.net/2401_85390073/article/details/169347311</guid><author>2401_85390073</author><pubDate>Wed, 28 Oct 2026 10:58:14 +0800</pubDate><description><![CDATA[本文提供从零基础到精通AI大模型的90天分阶段学习指南，涵盖初阶应用、高阶实战、模型训练与商业闭环四大阶段，内容包括提示工程、RAG、向量数据库、模型微调及私有化部署等核心技能。结合实战案例与面试真题，助力转型者掌握前沿技术，抢占高薪岗位机遇。资料包免费领取，助你高效入局AI时代。]]></description><category></category></item><item><title><![CDATA[大模型应用方案解决专家学习路线，零基础入门到精通（非常详细）]]></title><link>https://blog.csdn.net/2401_85390073/article/details/169347182</link><guid>https://blog.csdn.net/2401_85390073/article/details/169347182</guid><author>2401_85390073</author><pubDate>Wed, 28 Oct 2026 10:57:12 +0800</pubDate><description><![CDATA[本文提供了一条从零基础到精通AI大模型的系统学习路线，涵盖数学编程、机器学习、深度学习、Transformer架构及大模型应用等阶段，并推荐优质课程、实战项目与开源资源。附赠免费资料包，含视频教程、学习路线图、面试题解析与640套行业报告，助力新手高效转型，把握高薪就业机遇。]]></description><category></category></item><item><title><![CDATA[支付宝程序员转Agent半年的感想]]></title><link>https://blog.csdn.net/2401_85390073/article/details/169258960</link><guid>https://blog.csdn.net/2401_85390073/article/details/169258960</guid><author>2401_85390073</author><pubDate>Tue, 27 Oct 2026 14:14:26 +0800</pubDate><description><![CDATA[支付清结算背景员工转岗智能客服半年，面对18%转人工率困境，通过逐条分析会话、拆解归因、明确考核口径，并建立资金操作“只读不写”规范，将难看数据转化为可治理的三类问题。他总结：别以问题分类预估难度，难数字先拆再治，老本行经验是不可复制的核心优势。虽指标未达目标，但为未来转型奠定坚实基础。]]></description><category></category></item><item><title><![CDATA[8年Java后端30+有房有娃，没裸辞靠业余时间转型AI]]></title><link>https://blog.csdn.net/2401_85390073/article/details/169258885</link><guid>https://blog.csdn.net/2401_85390073/article/details/169258885</guid><author>2401_85390073</author><pubDate>Tue, 27 Oct 2026 14:13:11 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[Qwen2.5 推理深度解析：从 Token 到回答，一步步揭秘 LLM 生成机制！]]></title><link>https://blog.csdn.net/2401_85390073/article/details/169258796</link><guid>https://blog.csdn.net/2401_85390073/article/details/169258796</guid><author>2401_85390073</author><pubDate>Tue, 27 Oct 2026 14:11:50 +0800</pubDate><description><![CDATA[本文以 Qwen2.5-7B 模型为例，详解大语言模型自回归推理全过程：从文本经 Tokenizer 转为 ID，通过 Embedding 映射为向量，经 RoPE 位置编码后输入 28 层 Transformer，利用注意力机制融合上下文信息，最终由 LM Head 将末位置隐藏状态投影为 logits，再经 softmax 和 temperature 调节生成概率分布，决定下一个 token。全程结合真实运行数据，清晰揭示 token、embedding、hidden state、logits 等核心概]]></description><category></category></item><item><title><![CDATA[大模型应用开发工程师岗位的真实情况]]></title><link>https://blog.csdn.net/2401_85390073/article/details/169160133</link><guid>https://blog.csdn.net/2401_85390073/article/details/169160133</guid><author>2401_85390073</author><pubDate>Mon, 26 Oct 2026 14:36:38 +0800</pubDate><description><![CDATA[本文深度剖析“大模型应用开发工程师”岗位的真实挑战与成长路径，指出该职并非仅调API即可高薪躺赢。作者结合两年实战经验，从技术栈、场景选择、架构设计、调试运维到作品沉淀，系统拆解核心能力：需掌握Prompt工程、RAG、上下文管理等关键技能，强调“真项目落地”比空谈框架更重要。文中呼吁转行者勿冲动裸辞，应先动手做出可运行的工具，用作品说话。同时揭示行业高薪真相——字节、阿里等大厂相关岗位月薪可达4万-6万，但成功依赖持续迭代与成本意识。最后附赠零基础学习路线与资源包，助力小白从0切入，实现职业跃迁。]]></description><category></category></item><item><title><![CDATA[大模型应用行业就业全景，近36个月数据分析报告]]></title><link>https://blog.csdn.net/2401_85390073/article/details/169160046</link><guid>https://blog.csdn.net/2401_85390073/article/details/169160046</guid><author>2401_85390073</author><pubDate>Mon, 26 Oct 2026 14:35:17 +0800</pubDate><description><![CDATA[AI产业规模超1.2万亿元，生成式AI用户达6.02亿，软件业收入持续增长，但入门岗替代率高、供需失衡。三类人适配度高：①计算机/电子背景者专注模型训练与评测；②能融合AI与行业业务者，推动落地集成；③懂业务+会用模型者稀缺。行业高薪但私营与非私营工资差1.94倍，增收不增利，入门竞争激烈，高阶岗位稀缺。掘金AI需精准定位，深耕高门槛技能，避免被替代。]]></description><category></category></item><item><title><![CDATA[80万年薪大模型岗！字节要求清透，真实工作竟不是调参，而是这4件事！]]></title><link>https://blog.csdn.net/2401_85390073/article/details/169159954</link><guid>https://blog.csdn.net/2401_85390073/article/details/169159954</guid><author>2401_85390073</author><pubDate>Mon, 26 Oct 2026 14:33:38 +0800</pubDate><description><![CDATA[大模型算法岗年薪超80万，但八成工作实为“数据构建”——从badcase分析到数据清洗、生成、质检，核心能力在于“让数据说真话”。外行以为重在模型设计，实际更需数据直觉、评测设计与工程排障。适合者需有数据实战经验，能耐得住反复迭代；不适合者易因琐碎工作而流失。真正值钱的是能在千万数据中识别“有毒样本”的人。]]></description><category></category></item><item><title><![CDATA[FDE（前沿部署工程师）是推动大模型产业落地的关键岗位]]></title><link>https://blog.csdn.net/2401_85390073/article/details/168970777</link><guid>https://blog.csdn.net/2401_85390073/article/details/168970777</guid><author>2401_85390073</author><pubDate>Sat, 24 Oct 2026 14:12:15 +0800</pubDate><description><![CDATA[FDE（前沿部署工程师）是推动大模型产业落地的关键岗位，其工作远超简单的Prompt调整。FDE需完成从业务诊断、需求拆解到方案设计、开发集成、上线验证及复盘迭代的完整闭环。他们不仅需掌握Python接口开发、大模型API调用等刚需技能，还需具备业务理解力和工程落地能力。与普通AI应用开发不同，FDE更注重交付实际业务效果，确保大模型真正融入企业流程，解决系统集成、安全与稳定性问题。]]></description><category></category></item><item><title><![CDATA[ReAct vs Plan-and-Execute，看这篇就够了！]]></title><link>https://blog.csdn.net/2401_85390073/article/details/168970738</link><guid>https://blog.csdn.net/2401_85390073/article/details/168970738</guid><author>2401_85390073</author><pubDate>Sat, 24 Oct 2026 14:11:14 +0800</pubDate><description><![CDATA[本文探讨了使用AI处理不同任务时，为何会出现效率差异巨大的问题。核心在于任务与架构的匹配度。文章对比了两种主流架构：ReAct（边做边决策）和Plan-and-Execute（先规划后执行）。ReAct灵活但上下文成本高，易出错；PAE效率高、成本低、可审计，但规划存在偏差。选择哪种架构取决于任务步骤的固定性与可预测性，并建议成熟方案采用混合架构。不知道你有没有碰到过这种事。同样是让 AI 帮你干活，一件事它三下五除二就办完了，换一件事就死活跑不通，来回折腾半天还在原地打转。]]></description><category></category></item><item><title><![CDATA[SQL、RAG、图谱大PK！企业知识库别搞混，选对技术让问题精准解决！]]></title><link>https://blog.csdn.net/2401_85390073/article/details/168877571</link><guid>https://blog.csdn.net/2401_85390073/article/details/168877571</guid><author>2401_85390073</author><pubDate>Fri, 23 Oct 2026 15:39:11 +0800</pubDate><description><![CDATA[企业一做知识库，常常会陷入技术站队。有人说：“我们 ERP、CRM 里已经有数据库了，为什么还要 RAG？有人说：“既然大模型能读长文本，把数据库导成文字，让 RAG 统一回答不就行了？还有人说：“知识图谱能处理关系，那干脆全部上图谱。这三种想法的共同问题，是把不同的数据问题，当成了同一种问题。企业知识不是只有一种形态。数字、文本、关系，应该由不同能力处理。01 · 先别问选什么技术，先问业务到底在问什么一个简单判断方法：把业务部门最常问的问题列出来，看它们更像哪一类。]]></description><category></category></item><item><title><![CDATA[16个高效Prompt模板，让你轻松驾驭AI Agent，工作效率飙升！]]></title><link>https://blog.csdn.net/2401_85390073/article/details/168877518</link><guid>https://blog.csdn.net/2401_85390073/article/details/168877518</guid><author>2401_85390073</author><pubDate>Fri, 23 Oct 2026 15:37:26 +0800</pubDate><description><![CDATA[本文介绍了16个实用的Prompt模板，涵盖思考分析、写作内容、工作效率、学习研究、Vibe Coding和Agent专属等类别，旨在帮助用户更好地利用AI工具提升工作效率。文章强调，在AI时代，清晰描述目标的能力至关重要，而掌握Prompt模板是驱动AI高效执行的关键。这一年，AI 圈最火的词，不再是 ChatGPT，也不是大模型，而是。有人说：“Prompt 已经过时了。还有人说：“以后只要一句话，Agent 会自动完成所有工作。听起来很美。而 Prompt，就是人与 AI 最重要的沟通语言。]]></description><category></category></item><item><title><![CDATA[大模型应用四层进化：从Transformer到智能体系统工程，12个核心技术全解析！]]></title><link>https://blog.csdn.net/2401_85390073/article/details/168744013</link><guid>https://blog.csdn.net/2401_85390073/article/details/168744013</guid><author>2401_85390073</author><pubDate>Thu, 22 Oct 2026 10:00:27 +0800</pubDate><description><![CDATA[本文以“盖楼”为喻，系统梳理大模型应用技术四层演进：从2017-2022年的地基层（Transformer/LLM），到2022-2023年的调优层（提示词/微调/RAG），2024年的行动层（函数调用/MCP/Agent），再到2025-2026年的工程层（多智能体/上下文工程/Skills/OpenClaw/Harness）。聚焦12项关键技术，解析其演进逻辑与核心价值，提出从模型应用到系统设计的完整学习路径，助力构建稳定、可复用的大模型应用体系。]]></description><category></category></item><item><title><![CDATA[AI架构师必看：如何打造企业级智能体互联生态，告别孤岛困境？]]></title><link>https://blog.csdn.net/2401_85390073/article/details/168743798</link><guid>https://blog.csdn.net/2401_85390073/article/details/168743798</guid><author>2401_85390073</author><pubDate>Thu, 22 Oct 2026 09:58:14 +0800</pubDate><description><![CDATA[层次角色核心组件解决什么问题AgentScope 层调用方（消费者）像调用本地 Agent 一样调用远端，统一发现、统一交互、任务管理Runtime 层服务方（提供者）A2A 协议适配器、A2ARegistry、AgentApp / Spring Boot Starter启动即暴露 A2A 服务、启动即注册到 NacosNacos 3.0基础设施（注册中心）统一治理：注册、发现、健康检查、命名空间、版本。]]></description><category></category></item><item><title><![CDATA[做FDE落地三年，我见过80%的企业AI项目翻车，都栽在RAG工程化上]]></title><link>https://blog.csdn.net/2401_85390073/article/details/168650926</link><guid>https://blog.csdn.net/2401_85390073/article/details/168650926</guid><author>2401_85390073</author><pubDate>Wed, 21 Oct 2026 13:54:20 +0800</pubDate><description><![CDATA[FDE落地三年，80%企业AI项目翻车源于RAG工程化缺失。从数据治理、动态分块到混合检索、幻觉防控与成本监控，生产级RAG需覆盖全链路闭环。核心区别在于：Demo重“能跑”，FDE重“可用”——以业务结果为导向，确保准确率≥85%、延迟≤2s、幻觉率≤3%。避开分块一刀切、忽视数据时效性等8大坑，通过多级缓存、溯源护栏、量化验收，实现稳定交付。真正让RAG从“玩具”变为企业智能底座。]]></description><category></category></item><item><title><![CDATA[谷歌资深工程师Antonio Gulli发布新书《智能体设计模式》]]></title><link>https://blog.csdn.net/2401_85390073/article/details/168650844</link><guid>https://blog.csdn.net/2401_85390073/article/details/168650844</guid><author>2401_85390073</author><pubDate>Wed, 21 Oct 2026 13:50:14 +0800</pubDate><description><![CDATA[谷歌资深工程师Antonio Gulli新书《智能体设计模式》系统梳理21种AI Agent核心设计模式，涵盖提示链、工具调用、多智能体协同等，结合金融、电商等行业案例，提供可落地的代码与图解，助力开发者构建自主规划、反思优化的智能系统，是兼具理论与实践的必读之作。]]></description><category></category></item><item><title><![CDATA[刚入大学的计算机新生，别等学校教！这份学习路线图，让你比90%的同学都优秀！]]></title><link>https://blog.csdn.net/2401_85390073/article/details/168650764</link><guid>https://blog.csdn.net/2401_85390073/article/details/168650764</guid><author>2401_85390073</author><pubDate>Wed, 21 Oct 2026 13:48:39 +0800</pubDate><description><![CDATA[刚入学的计算机新生应明确方向：优先夯实基础，大一学好C语言，动手编码而非只看不练；大一下专注数据结构与算法，配合竞赛（如蓝桥杯、ACM）提升能力。同步推进技术栈（如Java/Python）、英语四六级和数学三门核心课。避免盲目考证或纠结语言选择，聚焦项目实践与核心能力。若想走开发路线，尽早积累实战经验；若志在底层或科研，需深耕技术深度。切记：扎实基础+持续输出，才是破局关键。]]></description><category></category></item><item><title><![CDATA[FDE（前沿部署工程师）是大厂当前争抢的高薪岗位，薪资远高于传统开发岗]]></title><link>https://blog.csdn.net/2401_85390073/article/details/168540305</link><guid>https://blog.csdn.net/2401_85390073/article/details/168540305</guid><author>2401_85390073</author><pubDate>Tue, 20 Oct 2026 10:51:59 +0800</pubDate><description><![CDATA[FDE（前沿部署工程师）是大厂争抢的高薪岗位，薪资远超传统开发。该岗位并非简单运维，而是驻场客户现场，用技术推动大模型落地，直接提升业务指标。随着AI从技术竞赛转向实际应用，具备实战经验的FDE成为核心人才。其能力要求涵盖技术深度与业务理解，需能快速交付可运行的解决方案。转岗者应积累项目落地经验，掌握大模型应用、微调与部署全流程技能。]]></description><category></category></item><item><title><![CDATA[2026智能体AI权威指南395页]]></title><link>https://blog.csdn.net/2401_85390073/article/details/168540137</link><guid>https://blog.csdn.net/2401_85390073/article/details/168540137</guid><author>2401_85390073</author><pubDate>Tue, 20 Oct 2026 10:50:18 +0800</pubDate><description><![CDATA[智能体AI正推动人工智能从被动响应迈向主动规划，实现目标导向的持续协作。通过赋予大模型工具、感知与记忆能力，智能体突破了传统LLM的无状态、单轮交互局限，形成“思考-行动-反馈”的闭环系统。其核心由大脑（决策）、感知（输入）、行动（执行）和记忆（存储）构成，依托推理增强、标准化协议与长上下文技术实现规模化落地。当前已从“演示玩具”演进为生产系统关键组件，重塑软件开发全周期效率，引领人机关系的根本变革。]]></description><category></category></item><item><title><![CDATA[FDE（前沿部署工程师）是AI公司与客户业务之间的重要桥梁]]></title><link>https://blog.csdn.net/2401_85390073/article/details/168540044</link><guid>https://blog.csdn.net/2401_85390073/article/details/168540044</guid><author>2401_85390073</author><pubDate>Tue, 20 Oct 2026 10:49:02 +0800</pubDate><description><![CDATA[FDE（前沿部署工程师）是AI公司与客户业务之间的重要桥梁，负责将AI产品真正应用于客户场景。文章追溯了FDE的起源，强调其本质是“老工作被重新定价”，而非新发明的工作。FDE的核心职责是深入客户现场，理解业务痛点，并将其转化为可落地的解决方案，最终对业务结果负责。文章通过多个案例，对比了FDE与外包、产品经理、咨询顾问的区别，并提供了HR面试和评估FDE的实用建议，强调FDE的关键在于现场学习的回流和应用，而非仅仅是一个头衔。]]></description><category></category></item></channel></rss>