- 博客(34)
- 收藏
- 关注
RSS订阅原创 面试必杀技：手画架构图展示系统思维
一图胜千言”。能力维度具体体现系统思维能从全局视角理解系统各模块的关系工程落地能力知道数据怎么流转、异步怎么处理沟通表达能用图形化方式清晰传达复杂逻辑项目深度真正做过项目的人才能画出细节遇到复杂系统问题 → 主动问面试官"我能在白板上画一下吗？" → 展示架构思维特性说明存储介质存储内容历史对话的摘要信息更新时机短期记忆超限时异步更新压缩比例约10:1（原文→摘要）fill:#333;important;important;fill:none;color:#333;color:#333;
2026-03-24 20:36:21
356
原创 AI大模型应用面试：深度学习知识点汇总与面试指导
fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;有正则化限制模型复杂度泛化能力强训练集和测试集表现均衡无正则化模型复杂过拟合训练集表现好测试集表现差通俗解释：正则化就是给模型"戴紧箍咒"，防止模型"太聪明"导致过拟合。具体来说：1. 为什么需要正则化？模型太复杂时，会"记住"训练数据的噪声。
2026-03-24 17:45:56
518
原创 Pydantic在Agent构建中的作用与应用
Pydantic是Python中最流行的数据验证库，它使用Python类型注解来运行时验证数据。fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;Pydantic核心功能数据验证数据解析数据序列化类型提示自动类型检查自定义验证器错误处理JSON解析字典转换对象映射JSON序列化字典导出格式控制IDE支持代码补全静态检查。
2026-03-21 15:23:09
734
原创 大模型微调：从入门到实战的完整指南
微调（Fine-tuning）是指在预训练模型的基础上，使用特定领域或任务的数据进行进一步训练，使模型适应特定场景的过程。fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;预训练模型通用能力领域数据微调训练专业模型特定任务预训练模型就像一个大学毕业生，具备通用的知识和能力。微调就像岗前培训，让他快速适应特定的工作岗位。
2026-03-20 12:12:08
523
原创 #Transformer架构与微调技术深度解析
解码器 Decoder编码器 EncoderTransformer架构输入嵌入层位置编码多头自注意力机制Add & Norm前馈神经网络Add & Norm多头自注意力机制编码器-解码器注意力Add & Norm前馈神经网络Add & Norm输出层Self-Attention计算流程输入XQuery矩阵Key矩阵Value矩阵注意力分数Q×K^T/√d_kSoftmax归一化加权求和Attention×V核心公式：面试要点：详细解释：Q、K、V的生成注意力分数计算Softmax归一化加权求和示例：1.
2026-03-20 11:44:30
449
原创 机器学习与深度学习：从基础概念到YOLOv8全解析
人工智能 AI机器学习 ML深度学习 DL神经网络 NNCNN卷积神经网络RNN循环神经网络Transformer注意力机制LSTM长短期记忆网络YOLOv8目标检测GPT/BERT大语言模型第五层：应用模型YOLOv8GPTBERT第四层：具体架构CNNRNNTransformer第三层：深度学习DL = 多层神经网络学习第二层：机器学习ML = 从数据中学习规律第一层：人工智能AI = 机器模拟人类智能数据机器学习算法模型预测/决策传统编程规则 + 数据 = 结果机器学习数据 + 结果 = 规则核心定义
2026-03-20 00:00:24
546
原创 AI应用开发工程师面试题：深度技术拷打
技术栈前沿：RAG、LangGraph、知识图谱都是热门方向项目落地：有政务级项目经验学习能力：连续三年国奖，证明学习能力强。
2026-03-19 23:56:18
421
原创 知识图谱从0到1：AI应用开发的核心技术
想象你在搜索引擎中输入"李白的诗"：李白诗人唐朝静夜思将进酒床前明月光君不见黄河之水公元701-762年搜索引擎之所以能理解你的意图，是因为它背后有一个知识图谱，记录了：知识图谱知识表示图结构语义网络结构化知识机器可理解节点: 实体/概念边: 关系语义关联推理能力核心定义：2001语义网概念Berners-Lee提出2012Google知识图谱商业化应用开端2016知识图谱+深度学习TransE等表示学习2019知识增强预训练ERNIE, K-BERT2023大模型+知识图谱ChatKBQA, To
2026-03-19 23:45:47
715
原创 AI Agent Memory：从理论到实战，掌握长短期记忆的核心技术【2】
fill:#333;important;important;fill:none;AI Memory核心价值上下文连续性知识积累个性化服务推理增强架构设计短期记忆滑动窗口摘要压缩重要性加权长期记忆向量数据库知识图谱混合架构最新技术MemoryBankReadAgent设计权衡容量vs速度精度vs成本存储vs检索评估指标召回率准确率用户满意度。
2026-03-19 23:17:33
577
原创 AI Agent Memory：从理论到实战，掌握长短期记忆的核心技术【1】
fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;
2026-03-19 23:16:01
817
原创 图遍历算法：从入门到AI实战应用，一篇搞定面试与业务场景
你和你的朋友是节点（Vertex）你们之间的好友关系是边（Edge）整个社交网络就是一个图（Graph）fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;好友好友好友好友好友你小明小红小刚小美fill:#333;important;important;fill:none;图遍历算法基础概念节点与边有向图与无向图权重与路径。
2026-03-18 17:08:31
841
1
原创 RAG从0到1学习：技术架构、项目实践与面试指南
在大语言模型（LLM）快速发展的今天，如何让模型能够准确回答特定领域的问题，成为了一个关键挑战。RAG（Retrieval-Augmented Generation，检索增强生成）技术应运而生，它巧妙地将信息检索与文本生成相结合，成为了解决这一问题的主流方案。本文将从零开始，系统性地介绍RAG技术的核心概念、架构设计、项目实践以及面试要点。RAG（Retrieval-Augmented Generation）是一种结合信息检索和文本生成的技术架构。
2026-03-17 21:17:42
463
原创 什么是 MCP？Model Context Protocol 深度解析
"description": "搜索地图POI","description": "搜索关键词"},"city": {"description": "城市名称"},MCP（Model Context Protocol）是 AI 工具调用的重要标准，它为 AI 与外部世界的交互提供了统一、安全、可扩展的解决方案。通过 MCP，AI 模型能够像人类一样使用各种工具，大大扩展了其能力边界。对于开发者来说，学习 MCP 不仅可以提升 AI 应用的开发效率，还能为简历增添亮点。
2026-03-17 00:02:25
432
原创 OpenClaw：你的专属 AI 员工——从入门到精通的完整指南
OpenClaw是一个开源的 AI Agent 操作系统，能够本地运行、自主执行任务、管理记忆和技能。因其图标像龙虾，社区亲切地称之为"小龙虾"。fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;核心能力OpenClaw定位AI Agent操作系统本地运行自主执行记忆管理理解自然语言指令数据不出本地隐私安全自动调用工具完成任务。
2026-03-13 12:28:18
815
原创 UV：Python 包管理的速度革命——从入门到精通的完整指南
UV是由 Astral 团队（也是 Ruff 的开发者）开发的下一代 Python 包管理器，使用 Rust 语言编写，旨在替代 pip、pip-tools、virtualenv 等传统工具链。fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;传统工具链pipvirtualenvpip-toolspipxUV一体化解决方案回答模板。
2026-03-13 11:04:48
481
原创 Embedding：让机器“读懂“文字的魔法——从原理到实战的完整指南
Embedding（嵌入）是将离散的符号（如文字、图像、用户ID）映射到连续向量空间的过程。简单来说，就是用一个数值向量来表示一个对象的语义信息回答模板Embedding 是将离散的符号（如文字、图像）映射到连续向量空间的技术。简单来说，就是用一个数值向量来表示一个对象的语义信息。为什么需要 Embedding解决维度爆炸：传统 One-Hot 编码维度等于词汇表大小，Embedding 使用固定维度（如768、1536）捕捉语义信息：相似概念的向量距离近，支持语义搜索支持向量运算。
2026-03-12 17:40:13
398
原创 #LangGraph 状态图编排：从链式调用到智能工作流的进化之路
回答模板向量检索是将文本转换为高维向量，通过计算向量相似度来检索相关文档的技术。为什么更强大语义理解能力关键词检索：只能匹配字面相同的词汇向量检索：理解语义，"汽车"和"轿车"在向量空间中距离很近解决词汇鸿沟关键词检索：查询"苹果手机"，文档中只有"iPhone"则无法匹配向量检索：两者语义相同，向量相似度高跨语言检索多语言嵌入模型可以将不同语言映射到同一向量空间实现查询"hello"匹配文档"你好"实际效果精确率提升 40-60%召回率提升 30-50%用户满意度显著提升。
2026-03-11 15:09:29
546
原创 Transformer：改变AI格局的架构革命
Self-Attention（自注意力机制）是Transformer的核心创新。它允许序列中的每个位置都能关注到序列中的所有其他位置，从而捕捉全局依赖关系。想象你在阅读一句话：“小明买了冰淇淋，他把它吃了”。当你读到"它"这个词时，你需要回顾前面的内容才能理解"它"指代的是"冰淇淋"。这就是注意力机制在做的事情——让模型学会"回头看"。Transformer的核心思想是"完全基于注意力机制"，摒弃了传统的循环和卷积结构。
2026-03-11 10:04:08
420
原创 #混合检索：RAG系统的“双引擎“革命——当关键词遇见语义，检索效率提升300%的秘密
混合检索（Hybrid Search）是一种将多种检索策略结合使用的检索方法，最常见的是将**关键词检索（稀疏检索）与向量语义检索（稠密检索）**相结合。fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;混合检索架构用户查询查询处理并行检索关键词检索向量检索稀疏向量检索结果集A精确匹配结果集B语义匹配结果集C关键词增强。
2026-03-10 21:50:52
627
原创 RAG开发流程必须知道的事：从理论到实践的完整指南
RAG（Retrieval-Augmented Generation）是一种将大语言模型与外部知识库连接起来的技术架构。它的核心思想是：在生成回答之前，先从外部数据源检索相关信息，然后基于这些检索到的上下文信息来生成最终的答案。知识时效性问题：LLM的训练数据有截止日期，无法获取最新信息。RAG通过实时检索外部知识库，可以获取最新的数据。专业领域知识不足：通用LLM在特定专业领域的知识往往不够深入。RAG可以接入专业领域的知识库，提供更专业的回答。幻觉问题：LLM有时会编造不存在的事实。
2026-03-10 21:24:22
600
原创 新手做的第一个 Python 管理系统：从思路到代码全解析
作为 Python 新手，开发第一个管理系统是提升编程能力的绝佳方式。管理系统不仅能让你熟悉 Python 基础语法，还能学习到项目架构设计
2026-02-07 15:02:24
571
原创 应届生 Python 面试复习指南：从基础到高频题全解析
第一周：复习 Python 基础语法、变量、控制流、函数、面向对象；第二周：复习数据结构（列表、字典、集合、栈、队列）、常用算法（排序、查找、递归）；第三周：复习 Python 常用库（标准库、第三方库）、项目经验准备；第四周：刷高频面试题、模拟面试、查漏补缺。
2026-02-02 19:19:29
590
原创 学习 LangChain 之 Tool 的创建与使用：让大模型拥有 “超能
LangChain Tool 是大模型与外部工具交互的桥梁，它允许大模型调用外部工具（如搜索引擎、计算器、数据库、API 等），获取实时信息或执行特定任务。简单来说，Tools 系统让大模型从 “文本生成器” 升级为 “任务解决者”—— 不仅能生成文本，还能调用工具解决实际问题。LangChain Tool 系统是大模型应用的 “超能力扩展器”，它让大模型从 “文本生成器” 升级为 “任务解决者”，能处理实时信息、精确计算、私有数据访问等原本无法处理的任务。在实际开发中，推荐使用@tool。
2026-01-29 23:04:27
660
原创 LangChain 使用之 Memory：让大模型拥有 “长期记忆”
适用场景：长对话场景，需要保留对话核心信息但又不想传递完整历史（如长时间客服对话、复杂问题讨论）。核心原理：自动总结对话历史，将总结后的内容传递给模型，减少上下文长度。# 1. 初始化Summary Memory（需要LLM用于总结）# 2. 创建对话链llm=llm,# 3. 多轮长对话conversation.invoke({"input": "我最近在学习LangChain，它是一个用于构建LLM应用的框架。"})
2026-01-29 15:49:45
621
原创 小白 Python 函数全攻略：从入门到精通的一站式指南
函数是 Python 代码的 “骨架”，掌握函数后，你可以把零散的代码组装成结构化的程序；递归、Lambda 让代码更优雅；模块包则让你能开发大型项目而不混乱。现在就动手把之前的复制粘贴代码改成函数，感受代码复用的快乐吧！
2026-01-22 16:37:53
650
原创 小白入门 AI 必看：大模型原理 + 提示词工程全攻略，看完就能写出高质量 Prompt
LLM（Large Language Model，大语言模型）是一种用海量文本数据训练的 AI 模型，它能理解人类语言，还能生成连贯、符合逻辑的文本。比如 ChatGPT、GPT-4、LLaMA 3、文心一言都是 LLM。
2026-01-20 20:49:49
755
1
原创 从 “AI 小白” 到 “大模型应用开发者”：FastAI 框架实战全指南（10000 字）
而FastAI，就是给初学者的 “AI 厨房工具包”—— 它把 PyTorch 的复杂细节封装成了简单的 API，让你不用懂底层数学，就能快速训练、优化、部署 AI 大模型应用。
2026-01-20 20:37:03
562
原创 从重复造轮子到统一管控：FastAPI 中间件在班级管理系统的实战优化
FastAPI 的中间件本质是请求 / 响应的拦截器，它在两个关键节点工作：请求拦截：在路由函数处理之前，统一做身份验证、参数清洗、权限校验响应拦截：在返回给客户端之前，统一做响应格式化、CORS 头添加、性能监控它的执行流程是洋葱模型：请求→中间件 1→中间件 2→路由→中间件 2→中间件 1→响应（先添加的中间件先拦截请求，后处理响应）
2026-01-19 16:37:05
707
原创 AI 开发工作者 Python 语言必须掌握的知识总结（5000 字版・场景化 + 实战向）
AI 开发工作者 Python 语言必须掌握的知识总结
2026-01-10 15:43:43
691
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人