- 博客(20)
- 资源 (9)
- 收藏
- 关注
RSS订阅原创 别再把量子计算当 “远方神话”：它正在重构 AI 的现在与未来
本文打破大众将量子计算视作遥远前沿技术的固有认知，指出其已深度关联并重构 AI 当下发展与未来格局。作者以自身 AI 工程从业经历切入，Cloudflare 公告及谷歌、IBM、微软等企业最新研发进展表明，量子计算落地时间线大幅提前，AI 与量子计算已形成双向闭环：AI 从纠错建模、电路设计等多维度加速量子技术落地，量子计算又对 AI 系统 RSA、TLS 等加密体系构成严峻安全威胁。文章梳理超导、拓扑等四大量子硬件技术路线，预判 2028 至 2032 年容错量子计算将落地，并划分出量子重构 AI 训练的
2026-05-11 10:15:04
362
原创 当所有人抢 GPU 时，CPU 正在悄悄成为 AI 新主角｜AI 工程师职场视角下的算力新趋势
CPU崛起：AI算力赛道的新主角 随着AI应用从训练转向推理和多Agent协作，CPU的重要性显著提升。AMD财报显示服务器CPU需求激增，市场规模预期翻倍，供需失衡导致价格上涨。全球CPU市场呈现英特尔、AMD、ARM三足鼎立格局，而国产CPU（如海光、鲲鹏、龙芯）正加速替代。AI工程师需适应趋势，优化CPU调度能力并关注国产生态适配。尽管前景广阔，仍需警惕技术迭代和产能波动风险。CPU的崛起标志着AI算力格局的重构，从业者需紧跟趋势，提升综合竞争力。
2026-05-07 08:45:25
396
原创 ML学习（第二弹）：5分钟吃透线性回归——从职场踩坑到算法本质
文章摘要： 职场新人常轻视线性回归等基础算法，但它是AI体系的根基。线性回归用于预测连续数值，广泛应用于电商、金融等领域。其核心是找到最优拟合直线，通过最小化MSE损失函数确定特征权重。优点包括简单高效、可解释性强，但存在线性假设局限性和对异常值敏感等缺点。实际应用中，线性回归可作为基线模型验证复杂算法价值。建议AI工程师重视基础，通过实践掌握线性回归原理及应用，避免盲目追求前沿技术。
2026-05-06 10:56:05
300
原创 DeepSeek V4深度剖析：百万上下文下半场的机房成本之战
【摘要】DeepSeek V4的发布揭示了大模型技术竞争的新转向：从参数规模比拼转向底层效率优化。其创新体现在三方面：1）通过V4-Flash仅13B激活参数实现超越前代性能，证明调度能力比参数规模更具决定性；2）采用同策略蒸馏技术实现专家模型动态接管，突破传统混合训练的均值化瓶颈；3）首创"交织思考"和快速指令技术，使长上下文处理从"记得多"升级为"算得起"。这些突破标志着AI竞争已进入调度密集型新阶段，硬件利用率与成本控制成为商业化落地的核心指
2026-05-06 10:23:03
320
原创 AI PC线下市场观察：迷你主机“龙虾热”后遇冷解析
迷你主机线下市场遇冷：AIPC热潮下的反差现象 尽管AIPC需求推动全球PC市场增长，但迷你主机线下销售却陷入困境。广深电脑城等核心商圈难觅迷你主机踪影，商家因利润低、维修难而倾向推广传统PC产品。国产迷你主机线下以“准系统”为主，目标客户多为企业用户，注重稳定性和定制化。线上品牌回避线下渠道，主因利润空间有限、售后复杂及渠道式微。目前，AIPC的主战场在商用领域，消费级市场仍处概念期。选购建议：普通用户优先考虑线上高性价比机型，企业客户则适合通过官方渠道采购定制化方案。迷你主机能否突破线下困境，取决于能否
2026-05-06 09:49:36
309
原创 从豆包付费测试看AI生意本质：成本、分层与商业化的深度拆解
豆包推出三档付费订阅服务（68元/月标准版、200元/月加强版、500元/月专业版），标志着国内AI行业进入商业化验证新阶段。AI服务面临"使用越深成本越高"的痛点，与传统软件模式形成鲜明对比。订阅制模式需平衡固定收费与浮动算力消耗的矛盾，行业竞争重点正从用户规模转向ARPU提升。未来可能形成免费版、低价会员、专业版和企业服务的分层结构。随着行业进入盈利验证期，付费转化率与推理成本控制能力将成为衡量AI公司商业价值的关键指标，推动行业从流量驱动转向价值驱动。
2026-05-06 09:30:54
505
原创 6个月从普通软件工程师变身AI工程师：实战路线+避坑指南
摘要： 一位后端工程师分享了自己6个月转型AI工程师的实战经验。他总结了三大常见误区（过度设计基建、追求确定性输出、将LLM视为微服务），并提供了分阶段学习路线：1-2个月掌握Prompt工程与RAG基础，3-4个月进阶Agent架构与系统评估，5-6个月聚焦部署优化与安全测试。关键建议包括：利用软件工程经验作为优势、扎实打好基础再进阶、通过实际项目构建作品集。文末附赠完整转型指南PDF，涵盖资源链接与阶段检查点。（149字）
2026-05-05 09:39:24
333
原创 ML学习（第一弹）——用房价预测项目吃透机器学习全流程
本文以房价预测为例，完整介绍了机器学习项目的全流程：1）明确回归任务定义和应用场景；2）数据清洗与特征工程的关键步骤；3）从线性回归入门模型训练与评估；4）通过正则化解决过拟合问题；5）模型部署的API开发与服务器上线。文章强调实践导向，提供了Python代码示例，帮助读者掌握从数据到部署的核心技能，突破"懂理论不会动手"的困境。最后提出三个实践讨论点，引导读者深入思考数据清洗、模型选择和部署落地中的实际问题。
2026-05-04 17:07:23
389
原创 AI 大模型为什么要交「中文税」：为何中文比英文更费 Token？
摘要：AI大模型计费存在中英文差异，海外模型处理中文内容比英文贵15%-60%，而国产模型中文更省Token。差异源于tokenizer设计，海外模型以英文为核心，中文被拆分为单字计费；国产模型则优化中文处理。此外，古文虽省Token但推理负担更重。理性看待这种"中文税"，选择适配中文的模型可优化成本。
2026-05-04 11:19:16
432
原创 AI 导致消费降级？从身边真实案例看职场人的破局之道
AI引发职场消费降级：技术迭代下的生存之道 摘要：随着AI技术普及，许多传统高薪岗位正面临严峻挑战。UI设计师、算法工程师等职业收入大幅缩水，被迫从"轻奢消费"转向精打细算。AI通过替代高技能岗位、企业降本增效和行业竞争加剧三个核心机制推动消费降级。面对这一趋势，短期需优化开支，长期则应提升AI无法替代的核心技能，如大模型工程化部署等专业技术。技术迭代带来的职业结构调整虽不可避免，但通过持续学习和技能升级，仍能在AI时代找到职业发展的新平衡点。
2026-05-03 16:44:51
301
原创 AI不是来抢你工作的，它是来筛掉你的
AI时代程序员的分化：困境与转机 在AI浪潮下，程序员群体呈现两极分化：固守传统开发模式的程序员面临调岗危机，而善用AI工具的程序员则实现效率倍增。核心差异在于对AI的认知差异——将AI视为威胁还是杠杆工具。重复性编码工作正被AI快速替代，而系统架构设计等创造性工作价值凸显。程序员需掌握Copilot等AI工具，通过Prompt工程提升人机协作能力，将AI用于代码生成、测试用例编写等重复工作，腾出精力专注业务创新。AI时代要求程序员转型为"AI驾驶者"，将技术能力与业务理解深度结合，这才
2026-05-03 15:42:38
275
原创 靠一款工具把 Claude Code 开发时间砍了 90%：从重复探索到精准编码
【摘要】CodeGraph工具通过预构建代码关系图，显著提升Claude AI在代码分析中的效率。传统方式需要多次文件扫描和大量Token消耗，而CodeGraph让AI能直接查询结构化数据库，实现：工具调用减少94%、耗时降低82%、Token消耗下降37%。该工具支持19种语言，完全本地运行，5分钟即可完成配置。其核心是将代码解析为AST并存储为图数据库，使AI从"盲扫文件"转变为"精准查询"，大幅提升开发效率。GitHub和npm均已开源。
2026-05-03 14:53:43
504
原创 2026年AI/ML零基础入门路线图：从新手到能参与真实项目的全流程指南
2026年AI/ML零基础学习路线指南 本文为AI/ML初学者提供了一套12模块的系统学习路线，从Python编程基础到MLOps全流程覆盖。针对2026年的学习环境特点，文章对比了新旧学习资源差异，强调大模型辅助带来的效率提升。路线包含Python语法、数据处理、机器学习算法、深度学习、生成式AI等核心内容，并给出不同人群的学习节奏建议（零基础每周1模块，实习生6周完成）。特别强调实战项目经验和软技能培养，建议学习者保持动态学习心态，根据需求针对性深入特定领域。文末提供互动交流渠道，鼓励持续关注AI技术发
2026-05-03 13:26:32
423
原创 成为前 1% 的 Claude Code 用户：从「代码助手」到「可编程工程团队」的系统构建全攻略
《ClaudeCode进阶指南：从代码补全到系统级开发框架》 摘要：大多数开发者仅将ClaudeCode视为高级代码补全工具，却忽视了其80%的系统级价值。本文揭示了顶级用户的秘密：通过四层架构（核心模型层、代理编排层、扩展集成层、用户配置层）将ClaudeCode转变为可编程工程团队。关键方法包括：1）使用CLAUDE.md建立永久记忆系统；2）配置hooks实现自动化质量管控；3）利用subagents并行处理任务提升50%效率；4）通过MCP协议连接外部系统获取实时数据。实战案例显示，这套系统能将传统
2026-05-03 10:54:33
410
原创 MCP 已死：AI 工程师踩坑后的技术选型反思
本文结合 AI 工程落地实战，复盘 MCP 协议在项目中的踩坑经历，从协议冗余、调用不可靠、维护困难、Token 开销过高、数据安全隐患五大维度，剖析 MCP 落地的致命缺陷，并给出直接 API 调用、结构化工具调用两类轻量化替代方案，同时总结 AI 工程师技术选型的务实原则，拒绝盲目追新，优先保障项目可控、低成本与稳定落地。
2026-05-02 23:18:55
377
原创 从 “理论上可行” 到 “落地能交付”：我的大模型应用开发 30 天提升计划
《从理论到实践：30天攻克大模型应用开发实战》摘要 本文记录了作者从"理论可行"到"落地交付"的30天大模型应用开发转型历程。面对职场危机，作者制定了三阶段提升计划：系统学习LangChain框架（14天）、深耕RAG优化技术（10天）、夯实大模型基础理论（6天）。通过课程学习、实战项目和社群交流，作者逐步掌握了检索增强生成、智能代理开发等核心技能，最终实现从"调包工程师"到具备工业级落地能力的转变。文章揭示了AI时代持续学习的必要性，强调底层认知
2026-05-02 18:07:29
365
原创 打造 Simple MCP Client：MCP 测试工具开发
本文介绍了作者开发的Simple MCP Client工具，这是一个专为测试MCP（模型上下文协议）服务器设计的命令行工具。文章详细阐述了开发动机（解决MCP服务器测试痛点）、功能演进过程（从基础连接到多服务器支持、LLM集成、智能代理等），以及使用示例。该工具采用Python开发，支持交互式命令行、自动补全、灵活的配置系统，并特别集成了ReAct智能代理功能，可自动处理复杂的多步骤任务。项目开源且跨平台兼容，旨在简化MCP测试流程，提升开发效率。
2025-07-29 08:29:02
984
原创 MCP Linux 通用工具服务器 (MCP LCU Server) 技术详解
模型上下文协议（Model Context Protocol, MCP）是一个允许大语言模型（如 Claude, GPT 等）安全地访问外部工具和资源的协议。调用工具（Tools）：执行特定的功能和操作访问资源（Resources）：获取外部数据和信息MCP 服务器作为连接语言模型和外部系统的桥梁，使模型能够根据用户需求执行实际操作并获取实时信息。
2025-04-25 20:02:35
2340
原创 MCP Kubernetes Server: 智能Kubernetes集群管理利器
MCP Kubernetes Server 是基于模型上下文协议(Model Context Protocol, MCP)的Kubernetes管理服务器，提供Kubernetes集群信息获取、操作执行、状态监控和资源分析功能。
2025-04-18 19:24:21
1330
原创 Boost使用笔记（Smart_ptr）
我是Word写的，复制过来实在懒得在排版了，有兴趣的朋友可以去我的百度文库看，谢谢http://wenku.baidu.com/view/34e485e2f61fb7360b4c653e.htmlBoost使用笔记（Smart_ptr）概述Boost库是一个功能强大、构造精巧、跨平台、开源免费的C++程序库，提供了代码编写中所需要的几乎所有常见工具，例如智能指针
2013-07-01 17:11:10
660
1
Linux011environment.rar
2021-06-12
Addison.Wesley.C++.Template.Metaprogramming.Concepts.Tools.and.Techniques
2018-03-27
Advanced Metaprogramming in Classic C++, 3rd Edition
2018-03-27
可以部署个人大模型的在线平台
2024-06-25
TA创建的收藏夹 TA关注的收藏夹
TA关注的人