<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[夏天又到了的专栏]]></title><description><![CDATA[分享技术文章]]></description><link>https://blog.csdn.net/brucexia</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; brucexia]]></copyright><item><title><![CDATA[推荐一本把大模型应用开发讲透的‌书《大模型应用开发》]]></title><link>https://blog.csdn.net/brucexia/article/details/170142035</link><guid>https://blog.csdn.net/brucexia/article/details/170142035</guid><author>brucexia</author><pubDate>Thu, 05 Nov 2026 15:19:46 +0800</pubDate><description><![CDATA[如果你和我一样，从传统软件开发转来做大模型应用，一定会有个明显感受：网上教程很多，但大多停在“用 SDK 调通一个对话”这一步。等你真要在生产里做一个智能助手，问题立刻冒出来——RAG 怎么切分才不丢上下文？Agent 用 LangGraph 还是 Coze？微调什么时候才值得上？系统架构怎么分层才扛得住业务？这时候你会发现，缺的不是某个代码片段，而是一张。最近翻到鲍亮、李倩两位教授写的《大模型应用开发》（清华大学出版社），第一反应是：这才是给“做系统的人”看的大模型书。]]></description><category></category></item><item><title><![CDATA[做大模型应用的人，迟早要补一次“底层债”：聊聊《从零开始大模型开发与微调》]]></title><link>https://blog.csdn.net/brucexia/article/details/170141772</link><guid>https://blog.csdn.net/brucexia/article/details/170141772</guid><author>brucexia</author><pubDate>Thu, 05 Nov 2026 15:14:49 +0800</pubDate><description><![CDATA[RAG 能挡一层，但再往下走，一定是微调。而微调最怕的，不是显存不够，是。这也是我为什么会把王晓华的‌《从零开始大模型开发与微调：基于 PyTorch 与 ChatGLM》丢给团队新人当“补课教材”。]]></description><category></category></item><item><title><![CDATA[拆开 DeepSeek 的黑箱：从 MLA、MoE 到多模态融合，一本“能跑代码”的实战书]]></title><link>https://blog.csdn.net/brucexia/article/details/170048717</link><guid>https://blog.csdn.net/brucexia/article/details/170048717</guid><author>brucexia</author><pubDate>Wed, 04 Nov 2026 16:31:28 +0800</pubDate><description><![CDATA[知道 MLA 为什么比 MHA 省显存自己能写 MoE 门控能把图像/语音压成 token 喂进 LLM能用 LoRA 微调一个行业多模态模型那这本书值得放案头，边看边跑代码。大模型不是黑箱，只是没人把箱子螺丝拆给你看。这本，算把 DeepSeek 的螺丝刀递到手里了。]]></description><category></category></item><item><title><![CDATA[推荐王晓华老师的《AI Agent智能体与MCP开发实践：基于Qwen3大模型》]]></title><link>https://blog.csdn.net/brucexia/article/details/170048331</link><guid>https://blog.csdn.net/brucexia/article/details/170048331</guid><author>brucexia</author><pubDate>Wed, 04 Nov 2026 16:17:36 +0800</pubDate><description><![CDATA[玩具级 Demo：一个while True循环 + 几次工具调用，跑通就结束；架构满天飞：Supervisor、Planner、Executor、Memory Bus 讲一堆，代码凑不出来。这本书的位置很实在——中间层：可运行、可改、可部署。大模型基础（Qwen3）↓微调 / API / RAG / 提示工程↓Agent 架构（感知-决策-执行）↓A2A 多智能体协作↓MCP 协议与服务化↓云上部署（Gradio / 腾讯云）↓LangGraph 多智能体实战。]]></description><category></category></item><item><title><![CDATA[别再只会和豆包闲聊了：这本《豆包高效办公的方法和技巧》把 AI 用成了“办公中间件”]]></title><link>https://blog.csdn.net/brucexia/article/details/169927224</link><guid>https://blog.csdn.net/brucexia/article/details/169927224</guid><author>brucexia</author><pubDate>Tue, 03 Nov 2026 10:11:45 +0800</pubDate><description><![CDATA[如果把豆包当成“聊天框”，它只是玩具；如果把提示词、场景、迭代方法串起来，它就是一个办公侧 AI Agent 框架。这本书的价值，就是帮你把豆包从“问答工具”升级成“生产力中间件”。书名：《豆包高效办公的方法和技巧》作者：王银辉出版社：清华大学出版社推荐指数：⭐⭐⭐⭐☆（应用落地向，实用）]]></description><category></category></item><item><title><![CDATA[别再只会“帮我写个周报”了：用‌《千问高效办公的方法和技巧》把 AI 变成办公副驾]]></title><link>https://blog.csdn.net/brucexia/article/details/169926854</link><guid>https://blog.csdn.net/brucexia/article/details/169926854</guid><author>brucexia</author><pubDate>Tue, 03 Nov 2026 10:08:07 +0800</pubDate><description><![CDATA[千问高效办公的方法和技巧》= 通义千问的“办公场景 SDK 文档”​不教你训练模型，只教你把每天 8 小时里的脏活、重复活、憋文档活，拆成可复用的提示词。2026 年职场分水岭不是“会不会用 AI”，而是：同样一个需求，你花 2 小时，别人用千问 10 分钟出初稿。这本书，就是把那 10 分钟的方法论摊开给你看。📘 书名：《千问高效办公的方法和技巧》✍️ 作者：王银辉🏫 出版社：清华大学出版社（2026）]]></description><category></category></item><item><title><![CDATA[从“调大模型”到“造智能体”：推荐一本把 Agent 工程化讲透的书]]></title><link>https://blog.csdn.net/brucexia/article/details/169808151</link><guid>https://blog.csdn.net/brucexia/article/details/169808151</guid><author>brucexia</author><pubDate>Mon, 02 Nov 2026 08:04:08 +0800</pubDate><description><![CDATA[不是你不会写代码，而是缺一套。最近翻完王晓华老师的《》（清华大学出版社），感觉这是中文书里把“Agent 工程落地”讲得比较顺的一本，分享给做 AI 应用开发的同学。]]></description><category></category></item><item><title><![CDATA[推荐一本把“多模态 Agent”从 Demo 写到生产级的书：‌《多模态AI Agent开发实践》]]></title><link>https://blog.csdn.net/brucexia/article/details/169807716</link><guid>https://blog.csdn.net/brucexia/article/details/169807716</guid><author>brucexia</author><pubDate>Mon, 02 Nov 2026 08:01:36 +0800</pubDate><description><![CDATA[2026 年之后，Agent 的边界已经很清楚了：不是“会聊天”，而是能感知（图/音/视频）+ 会决策（ReAct）+ 会调工具 + 能持续多轮协作纯文本 Agent 是“大脑”，多模态 Agent 才是“带眼睛和耳朵的同事”。落点：文档、视觉、创作、客服四类真实业务这不是“多模态概念书”，而是一本用 LangChain+LangGraph 把多模态 Agent 做成工程系统的实战手册。企业文档智能带视觉的运维/巡检多模态客服图文内容生成这本可以放桌面常翻。📘。]]></description><category></category></item><item><title><![CDATA[‌推荐《LangGraph智能体设计模式与多智能体开发》，这本书值得放在案头]]></title><link>https://blog.csdn.net/brucexia/article/details/169645819</link><guid>https://blog.csdn.net/brucexia/article/details/169645819</guid><author>brucexia</author><pubDate>Sat, 31 Oct 2026 13:59:13 +0800</pubDate><description><![CDATA[LangChain 会写 Chain，但不会做“可暂停、可回溯”的 Agent单 Agent Demo 能跑，多 Agent 一协作就乱工具调用、记忆、规划、反思，不知道怎么拆层State 是系统真相，Node 是执行单元，Edge 是控制流。本书以条件分支、并行分支、Command 跳转Map-Reduce 处理多任务汇聚短期记忆（内存）+ 长期记忆（硬存储 + 检索）对做过传统后端、现在转 Agent 的开发者尤其友好——它更像“工作流引擎 + 状态机”，而不是黑盒 Agent。]]></description><category></category></item><item><title><![CDATA[2026 年值得啃的 LangGraph 实战书：‌《LangGraph开发AI Agent实践》推荐]]></title><link>https://blog.csdn.net/brucexia/article/details/169645194</link><guid>https://blog.csdn.net/brucexia/article/details/169645194</guid><author>brucexia</author><pubDate>Sat, 31 Oct 2026 13:39:47 +0800</pubDate><description><![CDATA[概念碎：State、Node、Edge、Checkpoint、Supervisor 各看各的案例散：能跑 demo，但离“客服/电商/金融”太远工程弱：少讲持久化、异常恢复、多智能体协作这本书的结构刚好补这三块：基础篇 → 开发篇 → 实战应用篇，12 章一条线打穿。作者团队是高校 + 工程背景（邓立国为东北大学计算机应用博士、广东工业大学副教授），书里不是空谈框架，而是每一章都有可运行代码。如果你 2026 年只打算认真读一本 Agent 工程书，又不想陷在“概念炫技”里——]]></description><category></category></item><item><title><![CDATA[推荐一本把 AI Agent 讲到“能落地”的书：‌《AI智能体应用开发》]]></title><link>https://blog.csdn.net/brucexia/article/details/169548822</link><guid>https://blog.csdn.net/brucexia/article/details/169548822</guid><author>brucexia</author><pubDate>Fri, 30 Oct 2026 11:45:53 +0800</pubDate><description><![CDATA[如果你 2026 年只买一本 Agent 开发相关的书，又希望“既有理论框架，又能照着写代码上线”，这本《AI智能体应用开发》值得放进书架。书名：AI智能体应用开发作者：鲍亮 / 崔江涛 / 李倩 / 范涛出版社：清华大学出版社（人工智能技术丛书）]]></description><category></category></item><item><title><![CDATA[推荐一本把 AI Agent 从“能聊天”写到“能干活”的实战书：‌《AI Agent智能体开发实践》]]></title><link>https://blog.csdn.net/brucexia/article/details/169548675</link><guid>https://blog.csdn.net/brucexia/article/details/169548675</guid><author>brucexia</author><pubDate>Fri, 30 Oct 2026 11:42:40 +0800</pubDate><description><![CDATA[它不是“Agent 概念书”，而是一本把 LangChain + MCP + RAG + 多模态 + 多 Agent 串成可部署系统的工程师手册。书名：《AI Agent智能体开发实践》作者：邓立国、邓淇文出版社：清华大学出版社（人工智能技术丛书）]]></description><category></category></item><item><title><![CDATA[4.4 Launch启动脚本]]></title><link>https://blog.csdn.net/brucexia/article/details/169337501</link><guid>https://blog.csdn.net/brucexia/article/details/169337501</guid><author>brucexia</author><pubDate>Wed, 28 Oct 2026 09:18:54 +0800</pubDate><description><![CDATA[以上新增脚本代码的作用是：首先使用DeclareLaunchArgument方法（该方法用于识别外部参数）返回外部参数名给声明的参数declare_target_color_arg，再通过target_color = LaunchConfiguration("target_color")，在Launch脚本一键启动多个节点时，将启动时附加的命令行参数传递给客户端内部参数target_color。但是，当需要修改节点参数时，必须再次编辑Launch脚本，这会降低脚本的灵活性和稳定性。]]></description><category></category></item><item><title><![CDATA[4.3 Python实现机器视觉识别]]></title><link>https://blog.csdn.net/brucexia/article/details/169337409</link><guid>https://blog.csdn.net/brucexia/article/details/169337409</guid><author>brucexia</author><pubDate>Wed, 28 Oct 2026 09:18:05 +0800</pubDate><description><![CDATA[运行后，摄像头节点usb_cam_node_exe负责发布图像话题/image_raw，相机订阅器节点camera_subscriber负责订阅图像话题/image_raw，默认显示实时彩色图像并在终端中输出图像信息。备注：我们使用cv2img_to_imgmsg转换图像时，要注意OpenCV默认使用的是BGR颜色空间，按照蓝绿红通道顺序，而ROS 2则默认使用的是RGB颜色空间，所以转换时我们需要指定正确的encoding（例如bgr8），否则将会出现诸如红色显示为蓝色等颜色错乱的情况出现。]]></description><category></category></item><item><title><![CDATA[4.2 参数服务器]]></title><link>https://blog.csdn.net/brucexia/article/details/169337227</link><guid>https://blog.csdn.net/brucexia/article/details/169337227</guid><author>brucexia</author><pubDate>Wed, 28 Oct 2026 09:17:06 +0800</pubDate><description><![CDATA[在ROS 2项目开发过程中，我们经常会遇到项目配置管理上的一些问题。例如，调整相机的分辨率参数时，需要找到对应代码进行修改并重新编译；优化算法中的关键阈值修改后，必须重新启动整个节点才能让新参数生效；当多个节点需要共用机器人名称、坐标系前缀等同一配置信息时，需要在每个节点的代码或配置文件中重复定义，这不仅会造成代码冗余，还容易出现配置不一致的问题。为了解决这些类似问题，ROS 2专门设计了“参数服务器”这一核心组件。本节将介绍ROS 2参数服务器模型，以及分别使用C++和Python实现ROS 2参数操作的]]></description><category></category></item><item><title><![CDATA[4.1 服务通信]]></title><link>https://blog.csdn.net/brucexia/article/details/169337076</link><guid>https://blog.csdn.net/brucexia/article/details/169337076</guid><author>brucexia</author><pubDate>Wed, 28 Oct 2026 09:16:04 +0800</pubDate><description><![CDATA[我们除了可以使用C++实现自定义.srv调用外，还可以使用Python实现4.1.3节中的ROS 2服务器端和客户端节点，Python代码的实现逻辑与C++基本一致，但Python代码更短，配置更为简单。在上述代码中，导入自定义SRV接口，创建Python服务端节点add_server_py，然后通过回调函数handle_add_request将请求参数request中的数据进行计算，赋值给响应参数response，最后通过服务名add_with_precision将计算结果返回给客户端。]]></description><category></category></item><item><title><![CDATA[3.3 主题通信模型]]></title><link>https://blog.csdn.net/brucexia/article/details/169336892</link><guid>https://blog.csdn.net/brucexia/article/details/169336892</guid><author>brucexia</author><pubDate>Wed, 28 Oct 2026 09:14:57 +0800</pubDate><description><![CDATA[打开配置文件CMakeLists.txt，添加发布者节点和订阅者节点的编译规则，即指定生成的可执行文件名称、源文件路径，并通过CMake组合函数rosidl_get_typesupport_target与target_link_libraries获取自定义嵌套消息类型的支持目标，并将其链接到我们指定的节点目标，否则会出现编译错误。在ROS 1中，主题通信主要依赖中心节点ROS Master来实现发布者节点与订阅者节点的匹配，但一旦ROS Master崩溃，整个ROS通信系统将陷入瘫痪。]]></description><category></category></item><item><title><![CDATA[3.2 Python实现主题交互]]></title><link>https://blog.csdn.net/brucexia/article/details/169251783</link><guid>https://blog.csdn.net/brucexia/article/details/169251783</guid><author>brucexia</author><pubDate>Tue, 27 Oct 2026 11:32:36 +0800</pubDate><description><![CDATA[其中，py_topic_publisher表示启动的ROS 2发布者节点名称，py_topic_demo.topic_publisher表示功能包py_topic_demo中的脚本文件名topic_publisher.py，main表示脚本的主函数名称，如图3.4所示。我们在终端中输入上述命令后，将会通过命令ros2 run运行功能包py_topic_demo中已配置好的发布者节点名称py_topic_publisher所指定的发布者节点代码的入口主函数。ROS 2主题发布的核心是创建发布者节点。]]></description><category></category></item><item><title><![CDATA[3.1 ROS 2主题通信的工作原理]]></title><link>https://blog.csdn.net/brucexia/article/details/169251718</link><guid>https://blog.csdn.net/brucexia/article/details/169251718</guid><author>brucexia</author><pubDate>Tue, 27 Oct 2026 11:31:18 +0800</pubDate><description><![CDATA[当路径规划节点接收到来自主题/scan的消息后，会触发用户在ROS 2代码中定义的回调函数，对数据（例如，障碍物距离、角度等）进行解析，并用于计算机器人的行驶路径。例如，主题/scan上的激光数据可同时被“路径规划”“避障”以及“可视化”三个节点订阅，实现“一份数据，多种功能”的应用效果。备注：消息是主题通信的“语言”，如果发布者用“中文”（std_msgs/String）发送消息，那么订阅者必须也懂“中文”（同类型）才能理解，否则会出现通信失败。订阅者也无须主动请求，只需在主题上“被动接收”消息即可。]]></description><category></category></item><item><title><![CDATA[2.4 ROS 2构建工具—colcon]]></title><link>https://blog.csdn.net/brucexia/article/details/169251666</link><guid>https://blog.csdn.net/brucexia/article/details/169251666</guid><author>brucexia</author><pubDate>Tue, 27 Oct 2026 11:30:22 +0800</pubDate><description><![CDATA[当我们使用基本构建命令colcon build时，终端将对工作空间目录下的所有功能包进行构建，并输出各功能包的编译日志，例如依赖检查、编译进度、安装路径等信息。关于构建工具的基本命令，已在之前的章节中详细阐述，因此本小节将介绍构建工具colcon的常用构建选项及常见错误排查方法。该命令主要用于清理构建过程中自动生成的文件目录build、install以及log，以释放磁盘空间，解决缓存导致的构建问题等，具体命令及其功能如表2.7所示。执行命令后，终端将输出当前已创建的功能包及其信息，如图2.32所示。]]></description><category></category></item></channel></rss>