<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[程序员鑫港的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/a2875254060</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; a2875254060]]></copyright><item><title><![CDATA[掌握 Prompt Engineering 的系统方法：从“会用”到“有壁垒”的七条实战原则]]></title><link>https://blog.csdn.net/a2875254060/article/details/159214022</link><guid>https://blog.csdn.net/a2875254060/article/details/159214022</guid><author>a2875254060</author><pubDate>Wed, 18 Mar 2026 21:21:49 +0800</pubDate><description><![CDATA[在 2026 年之后，几乎所有日常工具都会逐渐“对话化”。

真正的差距，不在于谁能使用 AI，而在于谁能构建高质量提示词系统。

很多人以为自己已经掌握了 Prompt Engineering：

做了一个自定义 GPT、搭了一个 Claude Project、写了几个“万能提示词模板”。

但现实是——输出依旧普通、风格不稳定、可复用性差。

真正的 Prompt Engineering 不是“会写提示词”，而是设计认知架构（Cognitive Architecture）。

下面这七条原则，构成了高质]]></description><category></category></item><item><title><![CDATA[一图看懂LangChain、LangGraph、LangSmith全家桶]]></title><link>https://blog.csdn.net/a2875254060/article/details/159214007</link><guid>https://blog.csdn.net/a2875254060/article/details/159214007</guid><author>a2875254060</author><pubDate>Wed, 18 Mar 2026 21:21:15 +0800</pubDate><description><![CDATA[很多人学大模型开发，都会听到一个名字：LangChain。但真正开始做项目时，又会被一堆名词：LangChain、LangGraph、LangSmith、RAG、Tool Calling、Guardrails 绕晕。

那它们之间到底是什么关系呢？

今天我们就根据这张全景图，用一篇文章讲清楚——LangChain 生态到底是怎么分工协作的。]]></description><category></category></item><item><title><![CDATA[大模型扫盲必看：100个核心概念全解析，小白与程序员建议收藏]]></title><link>https://blog.csdn.net/a2875254060/article/details/159174156</link><guid>https://blog.csdn.net/a2875254060/article/details/159174156</guid><author>a2875254060</author><pubDate>Tue, 17 Mar 2026 21:26:24 +0800</pubDate><description><![CDATA[本文系统梳理了大模型全栈知识，涵盖概念定义、数据标注、训练原理（Transformer/微调）、评估指标、平台应用（RAG/Agent）及安全政策。从基础到前沿，帮助程序员和小白快速构建知识体系，是不可多得的入门指南。]]></description><category></category></item><item><title><![CDATA[大模型RAG入门必看：向量嵌入与检索方法全解析，]]></title><link>https://blog.csdn.net/a2875254060/article/details/159174139</link><guid>https://blog.csdn.net/a2875254060/article/details/159174139</guid><author>a2875254060</author><pubDate>Tue, 17 Mar 2026 21:25:36 +0800</pubDate><description><![CDATA[深入解析RAG核心：从BM25关键词检索到向量语义检索，详解BGE-M3多功能嵌入及多模态检索，推荐混合策略，助你掌握大模型RAG必备技能。]]></description><category></category></item><item><title><![CDATA[GPT-5.4发布！小白程序员必备：收藏这份大模型学习指南，开启AI新时代！]]></title><link>https://blog.csdn.net/a2875254060/article/details/158852060</link><guid>https://blog.csdn.net/a2875254060/article/details/158852060</guid><author>a2875254060</author><pubDate>Mon, 09 Mar 2026 21:21:53 +0800</pubDate><description><![CDATA[GPT-5.4发布，成为OpenClaw的首选模型，具备强大的代码能力、世界知识和多模态理解能力。相比Claude Opus 4.6，GPT-5.4在真实工作任务和软件工程问题解决上表现出色，且价格更亲民。此外，GPT-5.4还拥有100万token的上下文窗口、原生计算机使用能力和工具搜索等新特性，为AI应用带来更多可能性。建议小白和程序员们收藏此指南，开启AI学习之旅。
]]></description><category></category></item><item><title><![CDATA[程序员必看：Ollama + AnythingLLM，轻松部署本地大模型]]></title><link>https://blog.csdn.net/a2875254060/article/details/158852041</link><guid>https://blog.csdn.net/a2875254060/article/details/158852041</guid><author>a2875254060</author><pubDate>Mon, 09 Mar 2026 21:21:07 +0800</pubDate><description><![CDATA[本文介绍了如何使用Ollama和AnythingLLM快速简单地在本地部署大模型。首先，指导用户安装Ollama并从Ollama的模型库中选择和下载模型（如llama、qwen、deepseek等）。接着，详细说明了如何配置和使用AnythingLLM以运行已下载的模型。此外，还讨论了在下载模型时可能遇到的问题及解决方案，如网络问题。最后，文章建议用户在模型下载过程中遇到困难时，可以考虑使用离线模型。整个过程操作简单，适合对大模型部署感兴趣的小白和程序员。]]></description><category></category></item><item><title><![CDATA[大模型部署指南：小白也能看懂！收藏这份超全技术选型攻略]]></title><link>https://blog.csdn.net/a2875254060/article/details/158469301</link><guid>https://blog.csdn.net/a2875254060/article/details/158469301</guid><author>a2875254060</author><pubDate>Fri, 27 Feb 2026 19:17:04 +0800</pubDate><description><![CDATA[本文深度解析了四大主流大模型部署框架：Ollama（本地快速部署）、llama.cpp（低配设备优化）、vLLM（高并发生产环境）和LM Studio（跨设备开发）。文章详细介绍了各框架的核心价值、技术亮点和适用场景，并提供了方案选型决策树和混合部署实战案例。最后展望了边缘智能、量化革命和多云部署等未来趋势，强调选择匹配场景的部署方案对AI工程化落地的重要性。]]></description><category></category></item><item><title><![CDATA[小白程序员轻松上手部署DeepSeek大模型，开启AI创新之旅]]></title><link>https://blog.csdn.net/a2875254060/article/details/158469283</link><guid>https://blog.csdn.net/a2875254060/article/details/158469283</guid><author>a2875254060</author><pubDate>Fri, 27 Feb 2026 19:16:02 +0800</pubDate><description><![CDATA[本文介绍了DeepSeek大模型的开源特性及其对全球AI竞争格局的影响。详细阐述了DeepSeek R1模型的本地化部署流程，包括运行环境要求、依赖工具安装以及可视化部署方法。通过Ollama工具下载并运行DeepSeek R1模型，实现本地化部署，保障数据安全并灵活定制业务场景。DeepSeek大模型为企业智能化转型提供了可靠的技术底座，展现了与私有化场景深度融合的技术潜力。]]></description><category></category></item><item><title><![CDATA[小白程序员必备！轻松入门大模型架构设计]]></title><link>https://blog.csdn.net/a2875254060/article/details/158181990</link><guid>https://blog.csdn.net/a2875254060/article/details/158181990</guid><author>a2875254060</author><pubDate>Wed, 18 Feb 2026 19:41:22 +0800</pubDate><description><![CDATA[本文深入浅出地介绍了软件架构的核心概念，包括架构的理解、4+1模式、C4模型、TOGAF-4A架构以及互联网模型的实际应用。文章详细阐述了业务架构、产品架构、应用架构、技术架构和代码架构的设计原则与实现方法，旨在帮助初学者系统地掌握系统架构设计的方法论，为构建高效、稳定的软件系统打下坚实基础。]]></description><category></category></item><item><title><![CDATA[深入OpenClaw Agent核心：工作区、架构、调度与容错机制]]></title><link>https://blog.csdn.net/a2875254060/article/details/158181978</link><guid>https://blog.csdn.net/a2875254060/article/details/158181978</guid><author>a2875254060</author><pubDate>Wed, 18 Feb 2026 19:40:20 +0800</pubDate><description><![CDATA[本文深入剖析了OpenClaw（原Clawdbot）的核心动力模块——Agent任务引擎，揭示了其架构设计、工作区划分、调度并发控制及高可用容错机制。通过分析OpenClaw的实践，文章强调了理解这些工程智慧对于构建稳健生产级Agent系统的价值，并指出了如何将实践沉淀为规范，以更精准地指导AI。文章还讨论了如何在企业级落地中参考OpenClaw的架构实践，并指出了其代价和解决方案。]]></description><category></category></item><item><title><![CDATA[程序员小白必看：如何用AI工具构建个人知识库，提升核心竞争力？]]></title><link>https://blog.csdn.net/a2875254060/article/details/158181969</link><guid>https://blog.csdn.net/a2875254060/article/details/158181969</guid><author>a2875254060</author><pubDate>Wed, 18 Feb 2026 19:39:10 +0800</pubDate><description><![CDATA[程序员小白必看：如何用AI工具构建个人知识库，提升核心竞争力？]]></description><category></category></item><item><title><![CDATA[AI大模型时代，小白也能掌握创业哲学：从管人到管Token的范式转移]]></title><link>https://blog.csdn.net/a2875254060/article/details/158181959</link><guid>https://blog.csdn.net/a2875254060/article/details/158181959</guid><author>a2875254060</author><pubDate>Wed, 18 Feb 2026 19:38:08 +0800</pubDate><description><![CDATA[文章探讨了AI Agent进入组织后，管理哲学的变化。传统管理以“管人”为核心，而AI Agent的不确定性和管理方式与传统团队不同。文章重点分析了AI Agent权限设计、Token管理、人机协作实践以及与传统管理的异同。提出了为一人公司设计AI Agent管理框架的建议，包括将Token视为核心资源、建立三级授权体系、解耦推理引擎与执行能力、设计可观测性系统以及从管理者转变为架构师。文章最后讨论了AI Agent时代情绪价值的破产，以及组织进化的方向。]]></description><category></category></item><item><title><![CDATA[小白程序员入门大模型：AI Agent技术架构深度解析与实践]]></title><link>https://blog.csdn.net/a2875254060/article/details/158181950</link><guid>https://blog.csdn.net/a2875254060/article/details/158181950</guid><author>a2875254060</author><pubDate>Wed, 18 Feb 2026 19:36:56 +0800</pubDate><description><![CDATA[本文深入探讨了构建AI Agent的技术架构，介绍了人大与OpenAI提出的两种主流框架，并总结出包含感知、记忆、规划、行动等八大模块的完整架构。通过解析各模块的功能与协同机制，阐述了AI Agent如何接收环境信息、规划决策、执行行动并进行学习优化，为小白和程序员提供了构建智能体的实用指导。]]></description><category></category></item><item><title><![CDATA[AI技能大揭秘：小白程序员必看！如何用收藏技巧提升Agent效率]]></title><link>https://blog.csdn.net/a2875254060/article/details/158181943</link><guid>https://blog.csdn.net/a2875254060/article/details/158181943</guid><author>a2875254060</author><pubDate>Wed, 18 Feb 2026 19:36:06 +0800</pubDate><description><![CDATA[本文探讨了为AI Agent编写技能的效果，研究表明人工编写的Skills平均提升16.2个百分点，但效果因领域差异显著，医疗领域提升51.9%，软件工程仅4.5%。研究发现AI生成的Skills无效，提出聚焦具体任务、控制模块数量、人工编写和定制场景等四条实操建议，强调Skills质量比数量重要，人工定制效果更佳。通过实例说明，优化Skills可显著提升Agent效率，甚至小模型加好Skills能追上大模型，性价比高。]]></description><category></category></item><item><title><![CDATA[小白程序员必看：Context Graph如何让AI真正理解企业运作]]></title><link>https://blog.csdn.net/a2875254060/article/details/158181933</link><guid>https://blog.csdn.net/a2875254060/article/details/158181933</guid><author>a2875254060</author><pubDate>Wed, 18 Feb 2026 19:35:14 +0800</pubDate><description><![CDATA[本文深入解析了企业AI新热点Context Graph（上下文图谱），它通过记录企业决策路径、显影被忽略的工作流，让AI从单纯“搜内容”升级到“懂关系”。文章强调隐性流程才是关键资产，系统需捕捉“怎么做”反向推断“为什么”，并需与多种AI能力协同。实践证明，Context Graph是AI嵌入业务的基础设施，推动AI投资从模型转向上下文资产积累，率先建立者将引领Agentic Automation新阶段。]]></description><category></category></item><item><title><![CDATA[10种AI产品形态深度解析：小白也能看懂的大模型应用与收藏（附原型库）]]></title><link>https://blog.csdn.net/a2875254060/article/details/158181923</link><guid>https://blog.csdn.net/a2875254060/article/details/158181923</guid><author>a2875254060</author><pubDate>Wed, 18 Feb 2026 19:34:13 +0800</pubDate><description><![CDATA[本文梳理了当前市场上的10种主流AI产品形态，包括对话式AI、嵌入式AI（Copilot）、生成式工具、智能体、AI搜索、情感陪伴AI、数据洞察AI、内容增强/润色、AI硬件和AI原生工作流平台。文章分析了每种形态的技术本质、解决的问题及商业模式，强调理解这些基础形态有助于判断AI产品的创新性。同时，作者还提供了一套包含500个原型模板库的资源，以辅助读者更好地理解和应用这些AI产品形态。]]></description><category></category></item><item><title><![CDATA[Skill小白的进阶指南：如何写好Skill，技能创建器Skill-creator的设计思路全解析（收藏版）]]></title><link>https://blog.csdn.net/a2875254060/article/details/158181916</link><guid>https://blog.csdn.net/a2875254060/article/details/158181916</guid><author>a2875254060</author><pubDate>Wed, 18 Feb 2026 19:33:02 +0800</pubDate><description><![CDATA[本文深入解析了Skill的概念、编写方法和技能创建器Skill-creator的设计思路。首先介绍了Skill的定义和最小形态，即一个包含指令文档、参考资料、可执行脚本等资源的文件夹。接着，文章详细阐述了Skill的完整结构，包括SKILL.md、scripts/、references/、assets/和agents/openai.yaml等文件的作用。文章重点分析了如何给AI编写指令，强调了简洁性原则和三级分层架构的重要性。此外，文章还讨论了给AI多大自由度的设计维度，以及skill-creator的六步]]></description><category></category></item><item><title><![CDATA[掌握RAG核心：分层检索策略，在“准”与“全”间找到完美平衡，面试必备！]]></title><link>https://blog.csdn.net/a2875254060/article/details/158181904</link><guid>https://blog.csdn.net/a2875254060/article/details/158181904</guid><author>a2875254060</author><pubDate>Wed, 18 Feb 2026 19:32:07 +0800</pubDate><description><![CDATA[本文深入探讨了RAG检索增强生成技术的核心，强调其关键在于实现“准”和“全”的平衡。文章介绍了成熟的RAG方案分层设计：召回层采用多路并进策略，融合层通过分数归一处理多路召回结果，精排层则利用精准重排模型筛选出高质量上下文。最终总结为RAG的核心是用分层设计在“准”与“全”间做到极致平衡，对面试者和AI从业者具有重要指导意义。]]></description><category></category></item><item><title><![CDATA[告别AI泔水设计：Agent Skills标准让AI输出工业级成果]]></title><link>https://blog.csdn.net/a2875254060/article/details/157910178</link><guid>https://blog.csdn.net/a2875254060/article/details/157910178</guid><author>a2875254060</author><pubDate>Mon, 09 Feb 2026 19:24:31 +0800</pubDate><description><![CDATA[Anthropic推出的Agent Skills标准是一套可复用指令集，能让AI Agent按需挂载特定场景能力，解决提示词重复撰写和占用上下文的问题。Skills门槛低、通用性强，已被OpenAI、VS Code等主流工具兼容。国内特赞团队推出的skill0平台已聚合423个通用Skills，只需下载对应文件到指定目录，就能让AI稳定输出符合场景要求的结果。2026年或将成为Skills规模化落地的元年，国内团队已在这场技术变革中占据先机。]]></description><category></category></item><item><title><![CDATA[用通俗的方式介绍大语言模型训练过程]]></title><link>https://blog.csdn.net/a2875254060/article/details/157910171</link><guid>https://blog.csdn.net/a2875254060/article/details/157910171</guid><author>a2875254060</author><pubDate>Mon, 09 Feb 2026 19:23:44 +0800</pubDate><description><![CDATA[站在大语言模型外部看需要准备些什么样的训练数据，分什么阶段，怎样去训练大语言模型，把大语言模型看成一个黑盒。

LLM都是如何训练出来的呢？

**GPT的训练**分为以下3个阶段：

1、预训练Pretrain

2、监督微调SFT (Supervised Fine-Tuning)

3、基于反馈的强化学习RLHF]]></description><category></category></item></channel></rss>