<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[求知若渴、虚心若愚]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/gedonshen</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; gedonshen]]></copyright><item><title><![CDATA[【AI·FDE】第7篇：如何转型成为 FDE——从后端、数据、算法工程师的迁移路径]]></title><link>https://blog.csdn.net/gedonshen/article/details/166560108</link><guid>https://blog.csdn.net/gedonshen/article/details/166560108</guid><author>gedonshen</author><pubDate>Thu, 24 Sep 2026 08:33:51 +0800</pubDate><description><![CDATA[系列文章 | 2026年9月前面 6 篇把 FDE 是什么、用什么、怎么干活、为什么稀缺都讲透了。答案是几乎人人都能，但路线不一样。本文给 3 条清晰的迁移路径（后端→FDE、数据→FDE、算法→FDE）、一条能力补齐顺序、一份 FDE 面试避坑指南，最后附转岗自评表。]]></description><category></category></item><item><title><![CDATA[【AI·FDE】第6篇：企业 AI 落地为什么失败，FDE 怎么填鸿沟]]></title><link>https://blog.csdn.net/gedonshen/article/details/166559711</link><guid>https://blog.csdn.net/gedonshen/article/details/166559711</guid><author>gedonshen</author><pubDate>Thu, 24 Sep 2026 08:31:39 +0800</pubDate><description><![CDATA[把这五大原因对齐，你会发现 FDE 的工作方式逐条命中失败原因FDE 的对策对应上一篇工作法阶段期望错配驻场了解真实业务，修正期望、分阶段交付了解与调研数据质量问题数据工程基本功，先清数据再谈模型方案设计/实施业务与技术割裂一个人同时了解两边（懂技术×懂业务）全程双轨判断缺乏度量定义量化成功标准、持续复盘部署交付/持续优化模型无法融入流程写生产代码，把 AI 嵌进客户真实系统实施与集成FDE 之所以存在，就是因为在"模型能力"和"业务效果"之间有一道无人认领的工程鸿沟。]]></description><category></category></item><item><title><![CDATA[【AI·FDE】第5篇：AI FDE 与 Agent 框架对照——Palantir × dsh/Harness × LangGraph]]></title><link>https://blog.csdn.net/gedonshen/article/details/166449988</link><guid>https://blog.csdn.net/gedonshen/article/details/166449988</guid><author>gedonshen</author><pubDate>Wed, 23 Sep 2026 08:48:21 +0800</pubDate><description><![CDATA[系列文章 | 2026年9月第4篇拆了 Palantir AI FDE，本篇把它放到 Agent 生态里做横向对照。本文把三条主流路线——Palantir AI FDE、DeepSeek Harness（本专栏 dsh 系列）、LangGraph/CrewAI——放到五个维度下对照，帮你看清"谁在解决什么问题、谁更适合你的场景"。]]></description><category></category></item><item><title><![CDATA[【AI·FDE】第4篇：Palantir AI FDE 产品拆解——用自然语言驱动 Foundry 数据平台]]></title><link>https://blog.csdn.net/gedonshen/article/details/166449631</link><guid>https://blog.csdn.net/gedonshen/article/details/166449631</guid><author>gedonshen</author><pubDate>Wed, 23 Sep 2026 08:46:10 +0800</pubDate><description><![CDATA[系列文章 | 2026年9月第1篇我们提到过：Palantir 已经推出了"AI FDE"——把人类 FDE 的部分工作产品化。这一篇把这个产品彻底拆开。它不仅是一个 NLP 工具，而是。我们按时间线、8 大能力、底层机制三层来解剖它。]]></description><category></category></item><item><title><![CDATA[AI前沿 | 2026年9月23日：阿里 Qwen4 开训 + 镇武 V900 芯片 + 5-10 万亿参数路线]]></title><link>https://blog.csdn.net/gedonshen/article/details/166449302</link><guid>https://blog.csdn.net/gedonshen/article/details/166449302</guid><author>gedonshen</author><pubDate>Wed, 23 Sep 2026 08:43:55 +0800</pubDate><description><![CDATA[📖19.9 元（AI 编程 · Agent 实战 · 本文同主题系统课程）·49.9 元（AI 时代成长方法论）单篇不过瘾？订阅解锁全量源码、实战与答疑；文末附资料包领取方式 ↓📊：9 月 22 日，。；。本期拆五讲：事件、Qwen 路线、芯片与算力、多模态全家桶、给团队的判断。]]></description><category></category></item><item><title><![CDATA[AI前沿 | 2026年9月23日：GPT-6 Sol + Luna 腰斩定价 + 缓存工程化 + DeepSeek 腹地]]></title><link>https://blog.csdn.net/gedonshen/article/details/166448951</link><guid>https://blog.csdn.net/gedonshen/article/details/166448951</guid><author>gedonshen</author><pubDate>Wed, 23 Sep 2026 08:41:42 +0800</pubDate><description><![CDATA[📖19.9 元（AI 编程 · Agent 实战 · 本文同主题系统课程）·49.9 元（AI 时代成长方法论）单篇不过瘾？订阅解锁全量源码、实战与答疑；文末附资料包领取方式 ↓📊：9 月 22 日（美西周二），在 Anthropic 发布 Claude Opus 5.5，OpenAI 发布 GPT-6 家族两位新成员：API 价格较 GPT-5.6 促销价（Sol $2/$10、Luna $0.10/$0.50，官方口径为），并亮出三大工程杀手锏——。更重要的是，]]></description><category></category></item><item><title><![CDATA[AI前沿 | 2026年9月23日：Claude Opus 5.5 发布 + 成本降40% + 阿莫代伊放缓呼吁]]></title><link>https://blog.csdn.net/gedonshen/article/details/166448602</link><guid>https://blog.csdn.net/gedonshen/article/details/166448602</guid><author>gedonshen</author><pubDate>Wed, 23 Sep 2026 08:39:24 +0800</pubDate><description><![CDATA[📖19.9 元（AI 编程 · Agent 实战 · 本文同主题系统课程）·49.9 元（AI 时代成长方法论）单篇不过瘾？订阅解锁全量源码、实战与答疑；文末附资料包领取方式 ↓📊：美西时间 9 月 22 日，Anthropic 发布——这是 CEO 阿莫代伊公开呼吁『放缓 AI 发展』、以及 7 月模型入侵 Hugging Face 事件引发行业反思后，Anthropic 发布的第一款大模型。]]></description><category></category></item><item><title><![CDATA[AI创业者通识日报 | 2026年9月23日]]></title><link>https://blog.csdn.net/gedonshen/article/details/166448102</link><guid>https://blog.csdn.net/gedonshen/article/details/166448102</guid><author>gedonshen</author><pubDate>Wed, 23 Sep 2026 08:36:21 +0800</pubDate><description><![CDATA[—做国产栈的团队，训练/推理供给的确定性在变强；② RSI 从 demo 变成阿里官宣的『33 轮全自动自迭代、分数 40→45』，]]></description><category></category></item><item><title><![CDATA[【AI·FDE】第3篇：FDE 工作法——五步落地框架与「双轨判断」密度]]></title><link>https://blog.csdn.net/gedonshen/article/details/166344445</link><guid>https://blog.csdn.net/gedonshen/article/details/166344445</guid><author>gedonshen</author><pubDate>Tue, 22 Sep 2026 10:15:46 +0800</pubDate><description><![CDATA[系列文章 | 2026年9月上一篇讲了 FDE 技术栈，本篇进入方法论的核心：FDE 到底怎么干活。答案不是"驻场就完了"，而是一套可复制的——从了解与调研、方案设计、实施与集成、部署与交付到持续优化。每一章拆解输入、输出、关键环节，最后用"双轨判断"解释为什么这套框架在 FDE 手里特别有杀伤力。]]></description><category></category></item><item><title><![CDATA[【AI·FDE】第2篇：FDE 的技术栈——全栈+数据工程+AI 落地的能力清单]]></title><link>https://blog.csdn.net/gedonshen/article/details/166344171</link><guid>https://blog.csdn.net/gedonshen/article/details/166344171</guid><author>gedonshen</author><pubDate>Tue, 22 Sep 2026 10:13:34 +0800</pubDate><description><![CDATA[系列文章 | 2026年9月上一篇我们讲清楚了"FDE 是什么"——它很值钱、很稀缺、火得一塌糊涂。这篇文章把 FDE 的技术栈摊开成一张可以逐项打勾的清单：代码功底、全栈、数据工程、AI 工程（RAG/微调/评测/LLM 部署），以及为什么"模型越来越强"反而让成了新的护城河。]]></description><category></category></item><item><title><![CDATA[【AI·FDE】第1篇：什么是 AI FDE——从 Palantir 的 Deltas 到 2026 最火的 AI 岗位]]></title><link>https://blog.csdn.net/gedonshen/article/details/166343908</link><guid>https://blog.csdn.net/gedonshen/article/details/166343908</guid><author>gedonshen</author><pubDate>Tue, 22 Sep 2026 10:11:22 +0800</pubDate><description><![CDATA[系列文章 | 2026年9月如果你的技术简历、招聘网站的热搜榜、或者产品经理的嘴里开始频繁出现一个新缩写——本文从 2010 年代的 Palantir 讲起，拆解为什么在 2026 年，这个岗位成了 AI 领域增长最快、薪酬最高的职业之一。]]></description><category></category></item><item><title><![CDATA[dsh × 一人公司 | 09 · 避坑与成本：一人公司用 dsh 的 10 个务实建议]]></title><link>https://blog.csdn.net/gedonshen/article/details/166334029</link><guid>https://blog.csdn.net/gedonshen/article/details/166334029</guid><author>gedonshen</author><pubDate>Tue, 22 Sep 2026 08:56:26 +0800</pubDate><description><![CDATA[第1步 搭中台(会话/工具/定时)第2步 把自己的重复工作插件化第3步 客服 → 内容 → 数据 → 运维,逐个接管第4步 把能力打包成可售 Agent第5步 多 Agent 协作,组队交付第6步 避坑与成本,让这套系统跑得久人和机器的分工不是「谁取代谁」,而是「判断归人,重复归机器」。dsh 的价值不在「一次省一小时」,而在让你每一次的 60 分钟都花在真正值得的地方。九篇写完了。]]></description><category></category></item><item><title><![CDATA[dsh × 一人公司 | 08 · 从 OPC 到微团队：多 Agent 协作，打破单人天花板]]></title><link>https://blog.csdn.net/gedonshen/article/details/166333686</link><guid>https://blog.csdn.net/gedonshen/article/details/166333686</guid><author>gedonshen</author><pubDate>Tue, 22 Sep 2026 08:54:14 +0800</pubDate><description><![CDATA[这时候正确的做法不是去招团队，而是让多个 Agent 像一支队伍一样分工协作——研发、运营、客服各司其职，一个 Leader Agent 负责拆解和派单。这一篇，讲清楚 dsh 从「单 Agent」到「多 Agent 协作」的演进路径。]]></description><category></category></item><item><title><![CDATA[dsh × 一人公司 | 07 · 一人交付：把个人能力打包成可售的 Agent 产品]]></title><link>https://blog.csdn.net/gedonshen/article/details/166333362</link><guid>https://blog.csdn.net/gedonshen/article/details/166333362</guid><author>gedonshen</author><pubDate>Tue, 22 Sep 2026 08:52:02 +0800</pubDate><description><![CDATA[前面我们用 dsh 把自己武装成了队伍。但做到这一步只是「提效」,还没到「变现」。真正让一人公司跑起来的,是把——不是卖时间（咨询/外包）,而是把技能固化成一个 Agent,客户买走即用、还能订阅续费。这一篇,讲清楚怎么把一个「能力」封装成「产品」。]]></description><category></category></item><item><title><![CDATA[AI前沿 | 2026年9月22日：小米 MiMo-V2.6 开源 + AA 46 分开源第一 + RL 训练账单透明]]></title><link>https://blog.csdn.net/gedonshen/article/details/166333013</link><guid>https://blog.csdn.net/gedonshen/article/details/166333013</guid><author>gedonshen</author><pubDate>Tue, 22 Sep 2026 08:49:50 +0800</pubDate><description><![CDATA[📖19.9 元（AI 编程 · Agent 实战 · 本文同主题系统课程）·49.9 元（AI 时代成长方法论）单篇不过瘾？订阅解锁全量源码、实战与答疑；文末附资料包领取方式 ↓📊：9 月 22 日凌晨，小米官方发布并全面开源——Pro 与 Flash 两个原生全模态模型，（此前开源最强 Kimi K3 44 分），较自家前代 MiMo-V2.5-Pro 的 26 分大涨 20 分。。]]></description><category></category></item><item><title><![CDATA[AI前沿 | 2026年9月22日：具身智能 935 亿融资 + 星源智 10 亿 Pre-A + 世界模型]]></title><link>https://blog.csdn.net/gedonshen/article/details/166332655</link><guid>https://blog.csdn.net/gedonshen/article/details/166332655</guid><author>gedonshen</author><pubDate>Tue, 22 Sep 2026 08:47:38 +0800</pubDate><description><![CDATA[国资 + 产业资本 + 美元基金同场：高瓴创投（美元系）、理想汽车（整车产业）、智元（本体厂）、中车资本/北工投资（国资）在同一轮里出现，说明具身已经成为『政策 - 产业 - 制造』三方共同看好的少数赛道；「量产台数」成为硬通货：智身 1.5 万台、星源智强调落地节奏——投资人开始要出货量与复购，而不是只讲「通用机器人通用一切」的故事；传感器卡位提前：触觉传感、GSD 导航这些「从 0 到 1 的硬件缺口」拿到亿级融资，说明整机商愿意为「感知闭环」买单，上游单点供应商的议价权正在提升；时间窗口压缩。]]></description><category></category></item><item><title><![CDATA[AI前沿 | 2026年9月22日：xAI Grok 4.7 正式发布 + 2.1 万亿参数 + 编程与知识工作]]></title><link>https://blog.csdn.net/gedonshen/article/details/166332283</link><guid>https://blog.csdn.net/gedonshen/article/details/166332283</guid><author>gedonshen</author><pubDate>Tue, 22 Sep 2026 08:45:26 +0800</pubDate><description><![CDATA[📖19.9 元（AI 编程 · Agent 实战 · 本文同主题系统课程）·49.9 元（AI 时代成长方法论）单篇不过瘾？订阅解锁全量源码、实战与答疑；文末附资料包领取方式 ↓📊：9 月 21 日，xAI 正式发布——一次延期 5 次才落地的发布，定位「目前最强大的编程与知识工作模型」。规格上，，API 定价为输入 2 美元 / 输出 6 美元（每百万 Token，缓存输入 0.50 美元），，官方直接打出「同级别约一半的价格」。训练数据最大变量是——把物理世界的真实系统日志喂给了推理栈。]]></description><category></category></item><item><title><![CDATA[AI创业者通识日报 | 2026年9月22日]]></title><link>https://blog.csdn.net/gedonshen/article/details/166331764</link><guid>https://blog.csdn.net/gedonshen/article/details/166331764</guid><author>gedonshen</author><pubDate>Tue, 22 Sep 2026 08:42:23 +0800</pubDate><description><![CDATA[对创业团队：① 顶部开源模型的 AA 分数冲到 46 分（+20 分一代），意味着。]]></description><category></category></item><item><title><![CDATA[dsh × 一人公司 | 06 · 一人 DevOps：用 dsh 顶起一整个运维团队]]></title><link>https://blog.csdn.net/gedonshen/article/details/166240754</link><guid>https://blog.csdn.net/gedonshen/article/details/166240754</guid><author>gedonshen</author><pubDate>Mon, 21 Sep 2026 11:38:27 +0800</pubDate><description><![CDATA[内容工厂负责「产」，数据运营负责「盯」，可后台总得有个人守着系统不崩。一个人做运维,要么被 on-call 电话吓得夜不能寐,要么干脆不部署、不升级。这一篇,用 dsh 的沙箱 + 终端 + 自愈能力,搭一个「一个人能搞定的 DevOps 闭环」——发布、巡检、自愈、回滚,全自动。]]></description><category></category></item><item><title><![CDATA[dsh × 一人公司 | 05 · 一人数据运营：定时跑数、报表、告警全自动]]></title><link>https://blog.csdn.net/gedonshen/article/details/166240640</link><guid>https://blog.csdn.net/gedonshen/article/details/166240640</guid><author>gedonshen</author><pubDate>Mon, 21 Sep 2026 11:36:15 +0800</pubDate><description><![CDATA[数据是一人公司的仪表盘：流量、订阅、订单、内容表现……但「看数据」这件事，最讨厌的是。这一篇，用 dsh 的定时任务把数据运营变成一台自动跑的手表：定时采集、自动报表、异常告警，你只需要在工作流里「看结论」。]]></description><category></category></item></channel></rss>