<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Trb201013的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Trb201013</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Trb201013]]></copyright><item><title><![CDATA[AI大模型应用开发：AI大模型学习路线，大模型方案解决专家]]></title><link>https://blog.csdn.net/Trb201013/article/details/169349477</link><guid>https://blog.csdn.net/Trb201013/article/details/169349477</guid><author>Trb201013</author><pubDate>Wed, 28 Oct 2026 11:21:37 +0800</pubDate><description><![CDATA[大模型，通常指的是在人工智能领域中的大型预训练模型。你可以把它们想象成非常聪明的大脑，这些大脑通过阅读大量的文本、图片、声音等信息，学习到了世界的知识。这些大脑（模型）非常大，有的甚至有几千亿个参数，这些参数就像是大脑中的神经元，它们通过复杂的计算来理解和生成语言、图片等。举个例子，你可能听说过GPT-3，它就是一个非常著名的大模型。GPT-3可以通过理解你提出的问题，然后给出回答，或者根据你给它的提示，生成一篇文章、一个故事，甚至是一段代码。]]></description><category></category></item><item><title><![CDATA[大模型应用开发13步速成！从入门到项目实战]]></title><link>https://blog.csdn.net/Trb201013/article/details/169349297</link><guid>https://blog.csdn.net/Trb201013/article/details/169349297</guid><author>Trb201013</author><pubDate>Wed, 28 Oct 2026 11:19:54 +0800</pubDate><description><![CDATA[本文为转行大模型应用开发的学员提供13步系统学习路线，涵盖Python基础、Transformer原理、提示词工程、RAG、LangChain、Agent及多模态等核心内容，强调循序渐进与项目实战结合。通过明确学习重点与避坑指南，助力零基础者快速构建完整知识体系，提升面试竞争力。数据显示，AI人才缺口巨大，高薪岗位需求旺盛，该路线可助从业者在90天内实现从入门到就业的跨越。]]></description><category></category></item><item><title><![CDATA[2026年程序员必看！AI大模型领域薪资狂飙4.2万+！高薪背后的人才缺口与进阶指南]]></title><link>https://blog.csdn.net/Trb201013/article/details/169262476</link><guid>https://blog.csdn.net/Trb201013/article/details/169262476</guid><author>Trb201013</author><pubDate>Tue, 27 Oct 2026 15:36:27 +0800</pubDate><description><![CDATA[2026年，AI大模型领域成为程序员职业跃迁的核心赛道，薪资中位值超4.2万元，高端人才跳槽涨幅达30%-50%。人才供需比仅0.5，北京、上海、深圳等城市集中了65%的岗位需求。技术深度决定薪酬高度，底层算法岗年薪可达60-120万元，而微调、工具链开发、产品运营等应用层岗位为非算法背景者提供转型路径。掌握PyTorch、HuggingFace、LangChain等工具，参与开源项目或构建作品集，是入行关键。未来智能体与多模态技术将催生新机遇，普通程序员可通过“精准定位+实战项目+影响力构建”实现突围。]]></description><category></category></item><item><title><![CDATA[大模型落地时代：5阶段进阶路线，助你从零基础到高薪就业！]]></title><link>https://blog.csdn.net/Trb201013/article/details/169262187</link><guid>https://blog.csdn.net/Trb201013/article/details/169262187</guid><author>Trb201013</author><pubDate>Tue, 27 Oct 2026 15:23:29 +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[2026年大模型必备：4大阶段12个月完整学习路线，附工具实战，照做即精通！]]></title><link>https://blog.csdn.net/Trb201013/article/details/169262019</link><guid>https://blog.csdn.net/Trb201013/article/details/169262019</guid><author>Trb201013</author><pubDate>Tue, 27 Oct 2026 15:19:19 +0800</pubDate><description><![CDATA[2026年大模型已成为职场核心竞争力。本文提供4大阶段、12个月的实战学习路线：从基础筑基（Python/数学/Transformer）到工具框架（Prompt/RAG/LangChain/Agent），再到微调部署（LoRA/容器化），最后进阶多模态与前沿技术。全程聚焦理论与项目结合，涵盖工具推荐、任务清单与成果产出，助零基础者高效转型，快速掌握AI落地能力。]]></description><category></category></item><item><title><![CDATA[RAG向量库路线：从文档入库到查询检索的全流程技术选型与实战指南]]></title><link>https://blog.csdn.net/Trb201013/article/details/169162374</link><guid>https://blog.csdn.net/Trb201013/article/details/169162374</guid><author>Trb201013</author><pubDate>Mon, 26 Oct 2026 15:22:01 +0800</pubDate><description><![CDATA[RAG向量库路线是处理PDF、Word等自然文本的核心技术，核心为“文档入库+查询检索”双环节。文档入库包括解析、清洗、分块、向量化与入库；查询检索则涵盖改写、多路检索、重排与上下文组装。每步均有多种技术选型，直接影响效果、成本与开发难度。推荐场景化组合：原型用轻量方案，企业级采用混合检索+Rerank+结构分块，私有化部署需全链路本地化，高精度文档强化语义分块与查询改写。优化优先级依次为：分块预处理、元数据过滤、Embedding选型、多路检索调优。]]></description><category></category></item><item><title><![CDATA[11年老兵慌了？33岁被“拍死”在执行层？我的自救四法则]]></title><link>https://blog.csdn.net/Trb201013/article/details/169161404</link><guid>https://blog.csdn.net/Trb201013/article/details/169161404</guid><author>Trb201013</author><pubDate>Mon, 26 Oct 2026 15:03:43 +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[指令微调（SFT）的核心思想、与预训练的区别、整体结构]]></title><link>https://blog.csdn.net/Trb201013/article/details/169161337</link><guid>https://blog.csdn.net/Trb201013/article/details/169161337</guid><author>Trb201013</author><pubDate>Mon, 26 Oct 2026 15:00:56 +0800</pubDate><description><![CDATA[指令微调本质是“行为对齐”，解决模型“知道但不听话”的问题，而非知识补充。它通过少量高质量“指令-回答”样本（如LIMA仅用1000条）教会模型正确响应格式与风格，实现从“接龙机器”到“听话助手”的转变。核心在于：预训练决定“会什么”，指令微调决定“怎么用”。关键区别在于损失仅计算回答部分，且数据质量远胜数量。成功依赖精准数据、一致模板、合理参数策略（如LoRA），并需以任务指标而非训练损失评估效果。]]></description><category></category></item><item><title><![CDATA[一篇文章讲清楚FDE（前沿部署工程师）前景]]></title><link>https://blog.csdn.net/Trb201013/article/details/168971664</link><guid>https://blog.csdn.net/Trb201013/article/details/168971664</guid><author>Trb201013</author><pubDate>Sat, 24 Oct 2026 14:36:03 +0800</pubDate><description><![CDATA[先说一个扎心的事实：你在会议室里看到的AI Agent演示，通常都很顺滑——选一个主流模型，挂一个标准知识库，面对预设问题给出漂亮答案。但一旦把这个系统接进企业内网、对接真实业务数据、接入私有云环境……问题就像开了闸一样。模型可以生成语言，却无法自动理解企业文档的版本号、设备的批次号、权限边界、私有接口和审批规则。这"最后一公里"谁来走？答案是：FDE——前沿部署工程师（Forward Deployed Engineer）。]]></description><category></category></item><item><title><![CDATA[FDE人才短缺42倍！AI商业化卡点已破，企业争抢高薪部署工程师]]></title><link>https://blog.csdn.net/Trb201013/article/details/168971591</link><guid>https://blog.csdn.net/Trb201013/article/details/168971591</guid><author>Trb201013</author><pubDate>Sat, 24 Oct 2026 14:33:58 +0800</pubDate><description><![CDATA[随着AI技术落地，FDE（前线部署工程师）岗位需求激增，2023至2025年数量增长42倍，而能稳定交付的精英仅约2000人，供需比严重失衡。FDE薪酬远高于同级研发，其价值在于将模型装进客户现场，目前主要靠人解决。巨头公司如OpenAI、微软等纷纷投入巨资组建FDE团队，而甲方也开始自建团队。FDE岗位自带淘汰机制，但未来几年仍将供不应求，企业需重视人才培养与激励机制。有企业为了拿到Palantir的FDE，先去采购了它的技术。]]></description><category></category></item><item><title><![CDATA[我想转型 FDE，到底该从哪里开始学？]]></title><link>https://blog.csdn.net/Trb201013/article/details/168748183</link><guid>https://blog.csdn.net/Trb201013/article/details/168748183</guid><author>Trb201013</author><pubDate>Thu, 22 Oct 2026 10:27:51 +0800</pubDate><description><![CDATA[老板说"我想用 AI 提升销售效率"，你得继续拆：是获客、客户研究、报价、方案、跟进、CRM 录入，还是销售培训？不同问题，方案完全不同。]]></description><category></category></item><item><title><![CDATA[RAG技术带你飞入信息时代！]]></title><link>https://blog.csdn.net/Trb201013/article/details/168747926</link><guid>https://blog.csdn.net/Trb201013/article/details/168747926</guid><author>Trb201013</author><pubDate>Thu, 22 Oct 2026 10:26:25 +0800</pubDate><description><![CDATA[RAG（检索增强生成）解决大模型因训练数据截止于2021年而无法获取最新信息的问题。通过检索相关文档作为上下文输入LLM，RAG显著提升答案的准确性与实时性。其核心包括查询理解、向量检索、重排序与生成四大组件，结合Embedding、索引与相似度匹配实现高效检索。从Basic到Agentic RAG，版本演进持续优化效果。最佳实践强调按标题切分文档、控制chunk大小，并应对检索错配、上下文误导等常见问题。应用场景涵盖企业知识库、客服、法律医学等领域，已成为企业落地AI的核心技术，推动程序员向高薪大模型应用]]></description><category></category></item><item><title><![CDATA[计算机大类的“冷“与“热“：2026年真实图景]]></title><link>https://blog.csdn.net/Trb201013/article/details/168656981</link><guid>https://blog.csdn.net/Trb201013/article/details/168656981</guid><author>Trb201013</author><pubDate>Wed, 21 Oct 2026 16:22:06 +0800</pubDate><description><![CDATA[计算机大类涵盖17个专业，核心热门方向包括计算机科学与技术、软件工程、人工智能、数据科学与大数据技术、网络空间安全和物联网工程。各专业在学习内容、就业方向、数学要求及读研必要性上差异显著：软件工程本科就业强、起薪高；人工智能门槛高，建议深造；网络空间安全人才缺口大，体制内青睐；物联网侧重软硬结合，受AI冲击小。选专业应结合自身兴趣与能力，遵循“想就业选软工，求稳定选网安，冲前沿选AI”原则。院校选择上，顶尖985（如清华、浙大）更具优势，升学与就业质量远超普通高校。]]></description><category></category></item><item><title><![CDATA[RAG落地选型困局：Dify、LangChain、LangGraph、RAGFlow，哪种架构最适合你？]]></title><link>https://blog.csdn.net/Trb201013/article/details/168656956</link><guid>https://blog.csdn.net/Trb201013/article/details/168656956</guid><author>Trb201013</author><pubDate>Wed, 21 Oct 2026 16:17:59 +0800</pubDate><description><![CDATA[本文系统分析RAG技术落地的五大核心架构要素：数据治理、清洗切分、向量化索引、检索重排与生成闭环。对比Dify（低代码快交付）、LangChain（高灵活性）、LangGraph（复杂流程编排）和RAGFlow（一体化运维）四类框架，强调选型应基于业务需求、团队能力与运维要求，而非盲目追随流行，实现高效、可持续的RAG应用落地。]]></description><category></category></item><item><title><![CDATA[如何通过模型后训练提升 AI Agent 的能力]]></title><link>https://blog.csdn.net/Trb201013/article/details/168656860</link><guid>https://blog.csdn.net/Trb201013/article/details/168656860</guid><author>Trb201013</author><pubDate>Wed, 21 Oct 2026 16:16:23 +0800</pubDate><description><![CDATA[单轮数学题可以生成答案后立即验收。多轮 Agent 则要在中途不断决策，最终结果可能很久以后才出现。空文件修复成功，可能得益于一开始复现问题，也可能得益于后来发现第二个入口。最终一个“通过”，没有直接指出每个动作的贡献。把延迟反馈分配给早期选择，就是信用分配问题。原章用城市街景导航和机器人操作展开这件事。导航需要依据新观察修正路线，不能只背熟训练路径；机器人有时可以从成功与失败中发现示范以外的动作，但探索可能需要很多次尝试。工具使用把相同问题带到软件世界。]]></description><category></category></item><item><title><![CDATA[AI浪潮下，企业为何卡在“最后一公里”？FDE工程师成破局关键！]]></title><link>https://blog.csdn.net/Trb201013/article/details/168543527</link><guid>https://blog.csdn.net/Trb201013/article/details/168543527</guid><author>Trb201013</author><pubDate>Tue, 20 Oct 2026 11:47:18 +0800</pubDate><description><![CDATA[FDE（Forward Deployed Engineer）是深入客户一线，解决AI落地中数据、权限、稳定性等实际问题的工程师。区别于开发、产品与售前，FDE贯穿需求到上线全过程，需兼具技术能力与业务理解。文章强调其非转行捷径，需扎实项目经验，并建议通过真实项目实践起步，如构建可迭代的知识库助手，以积累交付能力。]]></description><category></category></item><item><title><![CDATA[不同背景的人转行 FDE 应采用不同学习方案]]></title><link>https://blog.csdn.net/Trb201013/article/details/168543424</link><guid>https://blog.csdn.net/Trb201013/article/details/168543424</guid><author>Trb201013</author><pubDate>Tue, 20 Oct 2026 11:44:16 +0800</pubDate><description><![CDATA[本文指出不同背景的人转行 FDE 应采用不同学习方案。文章通过小林等真实案例说明，懂业务诊断和项目交付比堆砌技术更重要。FDE 岗位前景好、薪资高，不卡学历背景。文章提出 FDE 应具备 AI 基础、AI 应用、企业落地、业务理解和交付能力，并为应往届生、程序员、产品/运营、行业老手、企业管理者/AI 创业者分别设计了 6 条学习路线。别再网上到处找万能 FDE 学习路线了！不同背景的人，转行 FDE，根本不能用同一套学习方案。真实转行故事从普通后端，跳槽 FDE 薪资直接涨 60%]]></description><category></category></item><item><title><![CDATA[LLM Agent Loop深度解析：智能体循环的四大核心层，从用户侧到旁路全解析！]]></title><link>https://blog.csdn.net/Trb201013/article/details/168543370</link><guid>https://blog.csdn.net/Trb201013/article/details/168543370</guid><author>Trb201013</author><pubDate>Tue, 20 Oct 2026 11:42:17 +0800</pubDate><description><![CDATA[本文系统解析LLM Agent的核心循环机制，从“推理→行动→观察→再推理”的迭代过程出发，详解主循环四节点（构建上下文、LLM调用、输出判定、停止条件）与工具轮次（审批、执行、追加）的设计逻辑。重点探讨上下文压缩、子智能体委派、记忆召回与流式输出等旁路机制对长任务处理的关键作用，强调可观察性与用户中断支持，为构建高效、稳定、可解释的Agent系统提供完整设计框架。]]></description><category></category></item><item><title><![CDATA[AI Agent主流的8大架构]]></title><link>https://blog.csdn.net/Trb201013/article/details/167896360</link><guid>https://blog.csdn.net/Trb201013/article/details/167896360</guid><author>Trb201013</author><pubDate>Wed, 14 Oct 2026 10:44:49 +0800</pubDate><description><![CDATA[我在一线科技企业深耕十二载，见证过太多因技术更迭而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，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大模型的学习中的很多困惑。✅AI大模型学习路线图✅Agent行业报告✅100集大模型视频教程✅大模型书籍PDF✅DeepSeek教程✅AI产品经理入门资料完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇​​。]]></description><category></category></item><item><title><![CDATA[多模态RAG工程：图文混检三策略+RRF融合，从失败案例看信息检索新范式]]></title><link>https://blog.csdn.net/Trb201013/article/details/167896255</link><guid>https://blog.csdn.net/Trb201013/article/details/167896255</guid><author>Trb201013</author><pubDate>Wed, 14 Oct 2026 10:43:54 +0800</pubDate><description><![CDATA[一个200页行业研报问答系统因忽略图表信息而失败，暴露纯文字RAG在多模态文档中的局限。问题根源在于图表内容未被有效索引。本文提出三种策略：OCR提取文字（低成本但信息丢失）、VLM生成描述性标题（依赖模型质量）、视觉嵌入+Late Interaction（高精度但开销大）。结合Caption与视觉嵌入，通过融合排序提升检索效果，并提供无需API key的可运行Python demo，实现图文混排文档的高效多模态检索。]]></description><category></category></item></channel></rss>