LiangGang365的专栏

AI编程的确很厉害，它可以帮助普通人快速生成代码，提高工作效率，但目前看取代不了经验丰富的程序员，能取代的是一些基础的功能开发，不拥抱AI提效的程序员，以及对初级工程师、实习岗会确实会有一些冲击。那普通人使用AI编程能不能抢掉程序员的饭碗？首先，看看是否自己具备一些行业基础知识，学习能力、编程思维，以及复刻的产品本身是否有价值。最好不要轻信一些营销号的夸大宣传，如果觉得自己就是可以，那可以先实践用起来AI编程，做一些产品试试看，是否跟一些自媒体宣传的那么简单。

今天，分享一个通过DeepSeek和AnythingLLM来快速构建一个自己的个人知识库。如果你之前在自己的行业里有不少文档和资料，有时查找非常不方便，如果有一个本地的个人知识库，当需要查找某个信息时，不需要再翻找文档，让大模型为你提供快速、精准的答案，告别手动查找的繁琐，享受查询的高效体验

DeepSeek大模型推理能力已经能站在AI第一梯队了，对于我们个人日常要想使用的更好，就要充分掌握大模型提示词的技巧，充分挖掘出DeepSeek的威力。如果想更多了解一些提示词例子，也可以参考官方例子，我们日常使用可以通过以上的几点掌握核心结构技巧，举一反三来写即可。

大家好，最近投入一些精力把大模型开发的一些技术进行了学习。目前ChatGPT、AIGC各种应用如火如荼，也是技术和资本圈热门话题。但在这股浪潮背后，许多技术细节尚未完全呈现，市面上也没有真正AI超级应用。反而更多的是AI课程包装、自媒体流量工具、围绕AI概念展开的炒作，真正能够落地的技术和应用仍然在不断摸索中。（未来网上资讯全是AI，我们又将活在垃圾信息的茧房里...）如果你是一名技术开发者，或许你已经感受到我上边说的现象了。然而真正深入大模型开发的技术人员究竟在做什么？

整体通俗理解下，大模型和参数，大模型就是一个聪明的大脑，它通过观察大量数据图片、文字等你想让他学的一切，根据你让他学的东西，来转化成相关的参数（也就是数字，因为机器只认数字），每个参数帮助它理解数据的不同方面，比如颜色、形状或语言的含义。根据大量的数据训练的深入，不断产生、优化、调整这些参数，大脑就越聪明，能够更好地完成给他的命令。普通人如果想玩AI大模型，使用 LM Studio 也是个不错的选择，可以安装和尝试多个模型在自己电脑上，这样隐私和你想问的问题也就更安全，速度也更快。

今天分享关于为什么建议所有技术人、互联网人尽快把AI学起来，在之前的文章中，我提到过为什么每个技术人都应该拥抱AI。而今天的重点是分享如何快速入门AI大模型技术。无论你是前端、后端工程师，还是对互联网技术感兴趣的读者，都希望能从这篇文章中获得一些有价值的启发。先说个题外话：最近，我的文章更新频率有所降低，一方面是因为纯技术类的内容流量确实不高，读者反馈也较少；另一方面，我感觉公众号最近的文章推荐似乎变得不给力。是不是流量的玄学？也许吧。不过，

想象一下，把每个词都会进行拆分，变为一个个特定的编码，然后通过向量层来存储，向量层会把词义、语法直接关联关系，通过向量方式来存储，这样计算机就能处理它们。首先，先来说下机器学习，通俗理解机器就是让机器来学习然后告知结果，有点白话是吧，其实最底层原理就是这样，让机器来学习过往数据和经验，并通过大量数据来持续改进相关误差（调参），最终在新的情况下做出决策判断或者预测。但这里面会有着复杂的处理。可想而知，如果给大模型大量错误的数据，他是完全可以正儿八经的胡说八道的，这个也是在ChatGPT早期有大量胡说的例子。

尤其是Python，在近年来AI应用的爆发下，一跃冲到了排行榜的首位。随着AI技术的快速进步，加上ChatGPT等智能工具的推动，编程正逐步迈向“自然语言编程”的新时代，门槛越来越低，人人皆可成为开发者。今天，我花了一小时左右看了吴恩达老师的《AI Python for Beginners》课程（地址在文末），吴恩达老师是斯坦福大学的教授，还是全球人工智能领域的领军人物。他曾担任Google大脑的负责人，并在百度担任过首席科学家，拥有丰富的行业经验。

他具体问题是这样的：“现在AI这么火，我们普通人怎么学习AI，不被这个时代淘汰”。坦白讲这个问题很大，但也看得出，现在很多人也感受到AI浪潮下的机遇和焦虑。他的焦虑，不知道是不是看到网上到处售卖AI学习课的缘故...（另声明，本人不售卖AI课，可免费提供粉丝AI相关帮助）我的回答是：AI是个工具，这个工具要给你所在行业来结合起来使用。