<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[aolan123的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/aolan123</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; aolan123]]></copyright><item><title><![CDATA[什么是多模态？多模态大模型综述，看这一篇就够了]]></title><link>https://blog.csdn.net/aolan123/article/details/163919679</link><guid>https://blog.csdn.net/aolan123/article/details/163919679</guid><author>aolan123</author><pubDate>Sat, 22 Aug 2026 16:00:00 +0800</pubDate><description><![CDATA[多模态大型语言模型（Multimodal Large Language Models， MLLM）的出现是建立在大型语言模型（Large Language Models， LLM）和大型视觉模型（Large Vision Models， LVM）领域不断突破的基础上的。随着 LLM 在语言理解和推理能力上的逐步增强，指令微调、上下文学习和思维链工具的应用愈加广泛。然而，尽管 LLM 在处理语言任务时表现出色，但在感知和理解图像等视觉信息方面仍然存在明显的短板。]]></description><category></category></item><item><title><![CDATA[神仙级AI大模型入门教程(非常详细)，从零基础入门到精通，从看这篇开始！]]></title><link>https://blog.csdn.net/aolan123/article/details/163919745</link><guid>https://blog.csdn.net/aolan123/article/details/163919745</guid><author>aolan123</author><pubDate>Thu, 20 Aug 2026 15:16:35 +0800</pubDate><description><![CDATA[在学习大模型之前，你不必担心自己缺乏相关知识或认为这太难。我坚信，只要你有学习的意愿并付出努力，你就能够掌握大模型，并能够用它们完成许多有意义的事情。在这个快速变化的时代，虽然新技术和概念不断涌现，但希望你能静下心来，踏实地学习。一旦你精通了某项技术，你就能够用它来实现自己的目标，甚至可能找到理想的工作或完成具有挑战性的项目。前排提示，在众多的技术中，大模型因其强大的功能和广泛的应用而备受推崇。那么，为什么要学习大模型呢？]]></description><category></category></item><item><title><![CDATA[AI大模型本地部署保姆级教程！三种方法教会你如何部署]]></title><link>https://blog.csdn.net/aolan123/article/details/163919324</link><guid>https://blog.csdn.net/aolan123/article/details/163919324</guid><author>aolan123</author><pubDate>Thu, 20 Aug 2026 15:01:38 +0800</pubDate><description><![CDATA[今天分享下关于大模型本地部署的一些基础知识，做一个简单的入门，并科普相关的工具使用。大模型本地部署，顾名思义就是把大模型部署到我们本地的笔记本或者台式机上。由于大模型本身动辄几十亿甚至上百亿的参数，使用普通的方法去部署大模型会非常吃力。为此，研究员们开发了很多本地部署的框架的应用来帮助我们更好的进行本地部署。按照推理使用的方式不同，可以分为两类，CPU 部署和 GPU 部署。CPU 部署主要是用 CPU 进行推理，因此需要占用大量的内存空间去存放大模型的参数。]]></description><category></category></item><item><title><![CDATA[一文详解产品经理必懂的7种AI Agent产品形态：对话agent， RAGagent，工具调用agent，工作流agent，]]></title><link>https://blog.csdn.net/aolan123/article/details/159214104</link><guid>https://blog.csdn.net/aolan123/article/details/159214104</guid><author>aolan123</author><pubDate>Wed, 18 Mar 2026 21:26:28 +0800</pubDate><description><![CDATA[你是不是看到Agent满天飞，每个AI产品都在说自己是Agent，但你连Agent到底是什么都没搞清楚？这种迷惑感不奇怪。

2026年的AI行业，Agent这个词已经被滥用了。一个能自动回复消息的客服机器人叫Agent，一个能自己写代码调试部署的系统也叫Agent，一个跑在手机本地的AI助手还叫Agent。这三个东西的复杂度差了十倍不止，但都用同一个词，不混乱才怪。]]></description><category></category></item><item><title><![CDATA[国产AI下半场开启？两大顶流模型4月同台竞技]]></title><link>https://blog.csdn.net/aolan123/article/details/159214092</link><guid>https://blog.csdn.net/aolan123/article/details/159214092</guid><author>aolan123</author><pubDate>Wed, 18 Mar 2026 21:25:48 +0800</pubDate><description><![CDATA[2026年的国产大模型赛道，刚进入3月就迎来了重磅信号。据《白鲸实验室》独家爆料，DeepSeek V4与姚顺雨领衔的全新腾讯混元模型，均计划于2026年4月正式发布。这场由两位顶尖AI领军人物主导的同台竞技，不仅拉开了2026年国产大模型技术迭代的大幕，更折射出整个行业从参数竞赛向真实价值落地的核心转向。
]]></description><category></category></item><item><title><![CDATA[小白程序员轻松上手本地部署大模型，玩转AI]]></title><link>https://blog.csdn.net/aolan123/article/details/158852185</link><guid>https://blog.csdn.net/aolan123/article/details/158852185</guid><author>aolan123</author><pubDate>Mon, 09 Mar 2026 21:27:25 +0800</pubDate><description><![CDATA[本文介绍了如何通过Ollama快速部署DeepSeek、qwq、llama3、gemma3等大模型，无需GPU，普通电脑即可轻松搞定。文章提供了Ollama的安装指南和常用指令，并分享了如何获取更多开源模型。适合想保护隐私、需要定制AI功能的技术爱好者和开发者，帮助他们在本地实现AI聊天、写代码等功能。]]></description><category></category></item><item><title><![CDATA[程序员必看：本地部署大模型，轻松开启AI学习之旅]]></title><link>https://blog.csdn.net/aolan123/article/details/158852173</link><guid>https://blog.csdn.net/aolan123/article/details/158852173</guid><author>aolan123</author><pubDate>Mon, 09 Mar 2026 21:26:45 +0800</pubDate><description><![CDATA[本文详细介绍了如何在本地机器上部署和运行大语言模型（LLM）。首先，通过安装Ollama工具，用户可以便捷地在本地环境中部署LLM。接着，文章提供了使用Docker部署Ollama的详细步骤，并介绍了如何拉取和运行模型。此外，还讨论了如何使用Open WebUI进行本地部署，以提供更友好的交互界面。最后，文章介绍了如何使用AnythingLLM构建私有ChatGPT，实现本地私人知识库的构建。通过这些步骤，即使是小白程序员也能轻松入门大模型的学习和应用。]]></description><category></category></item><item><title><![CDATA[BERT大模型入门指南：小白也能学会的NLP预训练技术]]></title><link>https://blog.csdn.net/aolan123/article/details/158469362</link><guid>https://blog.csdn.net/aolan123/article/details/158469362</guid><author>aolan123</author><pubDate>Fri, 27 Feb 2026 19:23:52 +0800</pubDate><description><![CDATA[本文详细介绍了BERT预训练语言模型的核心概念、算法原理及实战应用。从预训练模型、双向编码器到Masked Language Model和Next Sentence Prediction，文章深入浅出地解析了BERT的工作机制。同时，提供了使用BERT进行文本分类的代码实例和最佳实践，帮助读者快速上手。BERT在文本分类、命名实体识别、情感分析等领域具有广泛应用，本文还推荐了Hugging Face Transformers等实用工具和资源。对于想要了解和掌握BERT的初学者，本文是一份不可多得的入门指南。]]></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/aolan123/article/details/158469352</link><guid>https://blog.csdn.net/aolan123/article/details/158469352</guid><author>aolan123</author><pubDate>Fri, 27 Feb 2026 19:22:28 +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[程序员轻松入门：手把手教你本地搭建运行大模型]]></title><link>https://blog.csdn.net/aolan123/article/details/158182113</link><guid>https://blog.csdn.net/aolan123/article/details/158182113</guid><author>aolan123</author><pubDate>Wed, 18 Feb 2026 19:54:11 +0800</pubDate><description><![CDATA[本文针对想学习大模型但受限于电脑配置的同学，介绍了如何使用MacBook Pro本地搭建大模型。主要内容包括模型量化的概念和作用，推荐使用Ollama大模型管理工具一键部署量化后的LLM模型（以Llama3.1为例），并详细阐述了通过Docker和Open WebUI实现本地Web UI管理调试大模型的步骤。教程旨在降低AI学习门槛，帮助读者迈出AI技术学习第一步。]]></description><category></category></item><item><title><![CDATA[Android AI大模型入门教程：小白程序员收藏必备，轻松玩转大模型]]></title><link>https://blog.csdn.net/aolan123/article/details/158182107</link><guid>https://blog.csdn.net/aolan123/article/details/158182107</guid><author>aolan123</author><pubDate>Wed, 18 Feb 2026 19:53:20 +0800</pubDate><description><![CDATA[本文将带领开发者入门Android AI大模型，涵盖大模型基础概念、类型、训练与推理过程，并推荐适合Android的轻量级模型。教程详细讲解在Android项目中集成大模型的环境搭建、模型转换、加载初始化及推理过程，并介绍图像分类、文本分类和目标检测等实际应用案例。此外，还分析了开发中可能遇到的问题及解决方案，帮助开发者更好地应对挑战。]]></description><category></category></item><item><title><![CDATA[5分钟快速上手大模型：Hugging Face新手入门指南]]></title><link>https://blog.csdn.net/aolan123/article/details/158182102</link><guid>https://blog.csdn.net/aolan123/article/details/158182102</guid><author>aolan123</author><pubDate>Wed, 18 Feb 2026 19:51:46 +0800</pubDate><description><![CDATA[本文将带你5分钟内完成从环境配置到模型运行的全过程，体验LLM的强大功能。文章介绍了Hugging Face平台及其优势，包括安装Python环境、安装Hugging Face库、使用Pipeline快速调用预训练模型、加载和使用不同类型的模型、进行文本生成和分析、优化模型运行性能等。通过学习本文，你将掌握使用Hugging Face快速上手LLM的基本方法，为后续深入学习打下基础。]]></description><category></category></item><item><title><![CDATA[小白程序员轻松入门：手把手教你本地搭建运行大模型]]></title><link>https://blog.csdn.net/aolan123/article/details/158182094</link><guid>https://blog.csdn.net/aolan123/article/details/158182094</guid><author>aolan123</author><pubDate>Wed, 18 Feb 2026 19:50:51 +0800</pubDate><description><![CDATA[本文针对想学习大模型但受限于电脑配置的同学，介绍了如何使用MacBook Pro本地搭建大模型。主要内容包括模型量化的概念和作用，推荐使用Ollama大模型管理工具一键部署量化后的LLM模型（以Llama3.1为例），并详细阐述了通过Docker和Open WebUI实现本地Web UI管理调试大模型的步骤。教程旨在降低AI学习门槛，帮助读者迈出AI技术学习第一步。]]></description><category></category></item><item><title><![CDATA[LangChain入门教程：轻松掌握大模型，收藏这份开发魔法工具箱]]></title><link>https://blog.csdn.net/aolan123/article/details/158182076</link><guid>https://blog.csdn.net/aolan123/article/details/158182076</guid><author>aolan123</author><pubDate>Wed, 18 Feb 2026 19:49:54 +0800</pubDate><description><![CDATA[本文是LangChain入门教程，旨在帮助初学者了解大型语言模型（LLM）开发框架LangChain。内容涵盖了LangChain的基本概念、安装配置、核心组件（模型、提示、内存、索引）以及实际应用场景。通过学习本教程，读者将掌握LangChain的基础知识，为在AI领域进一步探索和创新打下坚实基础。建议收藏本文，以便随时查阅。]]></description><category></category></item><item><title><![CDATA[LangChain入门教程：轻松构建你的第一个问答系统]]></title><link>https://blog.csdn.net/aolan123/article/details/158182062</link><guid>https://blog.csdn.net/aolan123/article/details/158182062</guid><author>aolan123</author><pubDate>Wed, 18 Feb 2026 19:48:27 +0800</pubDate><description><![CDATA[本文介绍了开源框架LangChain，旨在帮助开发者轻松构建基于语言模型的应用。LangChain支持多种预训练模型，并提供数据处理、微调、推理等服务。通过一个简单的问答系统案例，详细展示了如何使用LangChain进行开发。此外，还介绍了LangChain的多模态模型、模型评估、解释及持续学习等进阶功能，为开发者提供全面的指导。]]></description><category></category></item><item><title><![CDATA[小白程序员快速入门LangChain大模型框架，轻松构建AI应用]]></title><link>https://blog.csdn.net/aolan123/article/details/158182053</link><guid>https://blog.csdn.net/aolan123/article/details/158182053</guid><author>aolan123</author><pubDate>Wed, 18 Feb 2026 19:47:21 +0800</pubDate><description><![CDATA[小白程序员快速入门LangChain大模型框架，轻松构建AI应用]]></description><category></category></item><item><title><![CDATA[Android AI大模型入门教程：小白程序员收藏必备，轻松玩转大模型]]></title><link>https://blog.csdn.net/aolan123/article/details/158182033</link><guid>https://blog.csdn.net/aolan123/article/details/158182033</guid><author>aolan123</author><pubDate>Wed, 18 Feb 2026 19:46:26 +0800</pubDate><description><![CDATA[本文将带领开发者入门Android AI大模型，涵盖大模型基础概念、类型、训练与推理过程，并推荐适合Android的轻量级模型。教程详细讲解在Android项目中集成大模型的环境搭建、模型转换、加载初始化及推理过程，并介绍图像分类、文本分类和目标检测等实际应用案例。此外，还分析了开发中可能遇到的问题及解决方案，帮助开发者更好地应对挑战。]]></description><category></category></item><item><title><![CDATA[小白程序员轻松入门大模型：A-RAG框架实现检索自主生成，提升效率与准确率]]></title><link>https://blog.csdn.net/aolan123/article/details/158182020</link><guid>https://blog.csdn.net/aolan123/article/details/158182020</guid><author>aolan123</author><pubDate>Wed, 18 Feb 2026 19:44:39 +0800</pubDate><description><![CDATA[大模型在传统RAG系统中检索自主权受限，导致任务效率和结果质量受限。中国科大量身打造的A-RAG框架通过分层检索接口，赋予模型检索主动权，实现按需选择检索粒度和策略。A-RAG包含构建分层索引、设计分层检索工具、智能体循环三个关键步骤，大幅提升复杂问答任务的准确率和效率。实验证明，A-RAG在多跳问答数据集上表现优异，且随着模型能力提升，性能同步增强。该框架适用于多跳问答、复杂信息检索等场景，为程序员提供可迁移的检索优化思路。]]></description><category></category></item><item><title><![CDATA[Skills让AI更智能：小白也能掌握大模型进阶秘籍，收藏学习]]></title><link>https://blog.csdn.net/aolan123/article/details/158182006</link><guid>https://blog.csdn.net/aolan123/article/details/158182006</guid><author>aolan123</author><pubDate>Wed, 18 Feb 2026 19:43:17 +0800</pubDate><description><![CDATA[Skills是一种将Prompt模块化、结构化的方法，解决了传统MCP和普通Prompt调用在复杂任务中的局限性。它通过元认知层（我是谁、为什么做）、显式化决策逻辑和问题解决螺旋机制，赋予AI完整的认知模型，使其能更好地应对复杂场景。本文详细阐述了Skills的核心要素和转化方法，适合想要提升AI应用能力的程序员和小白学习。]]></description><category></category></item><item><title><![CDATA[长周期Agent落地难题全攻略：从双Agent架构到记忆恢复机制，一篇搞定]]></title><link>https://blog.csdn.net/aolan123/article/details/157910235</link><guid>https://blog.csdn.net/aolan123/article/details/157910235</guid><author>aolan123</author><pubDate>Mon, 09 Feb 2026 19:30:36 +0800</pubDate><description><![CDATA[本文探讨了长周期Agent落地的两大失效模式及其根源——任务切分粒度不准导致上下文传递断裂。作者提出双Agent架构(Initializer+Coding)解决任务分工，通过向量数据库实现跨会话状态恢复，并以测试驱动功能验证。实操示例展示了LangGraph与Milvus协同实现"短期+长期"记忆机制，确保Agent能持续完成复杂任务，为AI可靠完成长周期项目提供了系统化解决方案。]]></description><category></category></item></channel></rss>