<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[打造全国最全的AI Agent开发知识领域的博客]]></title><description><![CDATA[实战级AI Agent以及相关架构博客，生产级设计与代码示例，以喂饭式教程带领读者从浅入深学习最前沿的技术。]]></description><link>https://blog.csdn.net/lifetragedy</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; lifetragedy]]></copyright><item><title><![CDATA[CNN 小白实战入门（十）：一起动手来做一个工业生产级的人脸识别系统]]></title><link>https://blog.csdn.net/lifetragedy/article/details/167175262</link><guid>https://blog.csdn.net/lifetragedy/article/details/167175262</guid><author>lifetragedy</author><pubDate>Tue, 06 Oct 2026 17:33:06 +0800</pubDate><description><![CDATA[从”判断有没有口罩”跨越到”认出这是谁”。详解人脸 Embedding（嵌入向量）概念，对比四种主流人脸预训练模型，手把手用 InsightFace 搭建完整的人脸录入与识别系统。涵盖 SQLite 与 Qdrant 向量数据库双存储方案、四个真实翻车案例，以及工业级门禁部署架构探讨。零公式、跨平台，从入门到理解工业界怎么做。]]></description><category></category></item><item><title><![CDATA[CNN 小白实战入门（九）：检测到人脸后，进一步判断谁戴了口罩]]></title><link>https://blog.csdn.net/lifetragedy/article/details/167131692</link><guid>https://blog.csdn.net/lifetragedy/article/details/167131692</guid><author>lifetragedy</author><pubDate>Mon, 05 Oct 2026 23:30:50 +0800</pubDate><description><![CDATA[手把手演示如何在人脸检测基础上构建口罩识别系统。采用两阶段 Pipeline——YOLOv8 定位人脸、CNN 分类器判断口罩——完整讲解从样本收集、数据增强取舍到模型串联的实战经验，揭示数据增强不是越多越好的真相。Mac 与 Windows 跨平台通用，零公式入门目标检测与图像分类的串联应用。]]></description><category></category></item><item><title><![CDATA[CNN 小白实战入门（八）：用 YOLOv8 几行代码搞定检测人脸]]></title><link>https://blog.csdn.net/lifetragedy/article/details/166905596</link><guid>https://blog.csdn.net/lifetragedy/article/details/166905596</guid><author>lifetragedy</author><pubDate>Thu, 01 Oct 2026 01:59:28 +0800</pubDate><description><![CDATA[聚焦”如何从图片中找到人脸”这一核心问题。对比 OpenCV 传统算法、MTCNN、YOLOv8 三种人脸检测方案的优劣，详解 YOLOv8 在 Mac 和 Windows 上的安装部署，并通过一个完整实例演示如何用预训练模型几行代码检测出图中所有人脸。零公式、跨平台，手把手带你踏入目标检测的世界。]]></description><category></category></item><item><title><![CDATA[CNN 小白实战入门（七）：做一个人脸是否带口罩分检器的完整历程]]></title><link>https://blog.csdn.net/lifetragedy/article/details/166694020</link><guid>https://blog.csdn.net/lifetragedy/article/details/166694020</guid><author>lifetragedy</author><pubDate>Sun, 27 Sep 2026 01:14:58 +0800</pubDate><description><![CDATA[CNN 实战系列第七篇，以”是否戴口罩”二分类为例，从零搭建图形化口罩分检器。涵盖样本收集策略、数据扩充技巧、轻量 CNN 选型理由、GUI 界面交互、训练与识别全流程，并深入剖析两次真实翻车——铅笔画误判与逆光误判，手把手演示困难负样本挖掘。全文零公式，Mac/Windows 通用，鼓励读者动手实践 CNN 图像识别的核心方法论。]]></description><category></category></item><item><title><![CDATA[CNN 小白实战入门（六）：迁移学习-站在巨人的肩膀上，几行代码搞定水果识别]]></title><link>https://blog.csdn.net/lifetragedy/article/details/165598785</link><guid>https://blog.csdn.net/lifetragedy/article/details/165598785</guid><author>lifetragedy</author><pubDate>Wed, 16 Sep 2026 11:49:18 +0800</pubDate><description><![CDATA[CNN 傻瓜入门系列第六篇，正式进入迁移学习。用大白话讲清什么是迁移学习、为什么叫”迁移”，对比 ResNet 和 VGG 的区别，揭开 ImageNet 预训练模型的面纱。两个实战项目带你从零体验：直接用预训练模型识别图片，再到用 ResNet 微调完成水果三分类，最后踩一个样本多样性的大坑。]]></description><category></category></item><item><title><![CDATA[CNN 小白实战入门（五）：学了 CNN、RNN、机器学习的应用场景是什么，到底怎么选择呢？]]></title><link>https://blog.csdn.net/lifetragedy/article/details/164866728</link><guid>https://blog.csdn.net/lifetragedy/article/details/164866728</guid><author>lifetragedy</author><pubDate>Thu, 10 Sep 2026 17:31:18 +0800</pubDate><description><![CDATA[CNN 小白入门系列第五篇，从库存预测和城市风速两个真实项目出发，讲清算法选型的核心逻辑：数据形态决定算法选择。涵盖随机森林、CNN、RNN/LSTM 的适用场景对比，以及风向编码、周期性数据等实战踩坑经验，帮你建立深度学习入门阶段的算法选型直觉。]]></description><category></category></item><item><title><![CDATA[CNN 小白实战入门（四）：一文让小白的你搞懂 池化核、通道数与卷积组数这些概念]]></title><link>https://blog.csdn.net/lifetragedy/article/details/164855076</link><guid>https://blog.csdn.net/lifetragedy/article/details/164855076</guid><author>lifetragedy</author><pubDate>Thu, 10 Sep 2026 16:02:38 +0800</pubDate><description><![CDATA[CNN 实战系列第四篇，聚焦卷积神经网络的结构选型。池化核为什么选 2 不选 4？通道数 16→32→64 怎么来的？卷积层为什么搭 3 层而不是 5 层？本文零公式、纯直觉，用生活化比喻逐一拆解这些参数背后的选型逻辑，并手把手教你定位代码中每个参数的位置，帮你建立自己的网络设计直觉。]]></description><category></category></item><item><title><![CDATA[CNN 小白实战入门（三）：训练出的识别西瓜的模型却被一个桃子的识别难住了]]></title><link>https://blog.csdn.net/lifetragedy/article/details/164741824</link><guid>https://blog.csdn.net/lifetragedy/article/details/164741824</guid><author>lifetragedy</author><pubDate>Wed, 09 Sep 2026 15:28:06 +0800</pubDate><description><![CDATA[CNN 实战系列第三篇，用 PyTorch 搭建卷积神经网络，从 235 张西瓜照片和 277 张负样本出发，完成数据扩充、训练集拆分、模型训练，并搭建带摄像头预览的图形化水果分检器。实战中遭遇桃子被误判为西瓜的难题，引出困难负样本挖掘这一工业级技巧。全文零公式，手把手带你在 MacBook 上跑通 CNN 图像识别全流程。]]></description><category></category></item><item><title><![CDATA[CNN 小白实战入门（二）：三次翻车，才搞懂CNN 认红绿灯没那么简单]]></title><link>https://blog.csdn.net/lifetragedy/article/details/164403437</link><guid>https://blog.csdn.net/lifetragedy/article/details/164403437</guid><author>lifetragedy</author><pubDate>Sat, 05 Sep 2026 20:57:27 +0800</pubDate><description><![CDATA[CNN 系列第二篇，用 PyTorch 搭建卷积神经网络完成红绿灯识别。从代码生成训练样本到真实图片预测，经历整张缩放、亮度裁切、饱和度裁切三次迭代，两次翻车后揭示关键：图像预处理策略决定成败，CNN 实战不只看模型和样本，输入方式同样重要。]]></description><category></category></item><item><title><![CDATA[CNN 小白实战入门（一）：卷积神经网络“小白“一读就懂]]></title><link>https://blog.csdn.net/lifetragedy/article/details/164335558</link><guid>https://blog.csdn.net/lifetragedy/article/details/164335558</guid><author>lifetragedy</author><pubDate>Thu, 03 Sep 2026 17:10:35 +0800</pubDate><description><![CDATA[从零搞懂 CNN 卷积神经网络！本文用大白话解释深度学习、CNN、RNN 的区别，配合生活实例（人脸识别、自动驾驶）和可视化图解，帮你理解卷积层、池化层、全连接层如何工作。零基础
也能看懂的 AI 入门指南





]]></description><category></category></item><item><title><![CDATA[人类防伪指南：为什么你越写错字，HR越信你是真人？]]></title><link>https://blog.csdn.net/lifetragedy/article/details/161396060</link><guid>https://blog.csdn.net/lifetragedy/article/details/161396060</guid><author>lifetragedy</author><pubDate>Mon, 25 May 2026 16:43:37 +0800</pubDate><description><![CDATA[当AI写得比你还像“人”，错别字竟成了人类最后的身份验证码！本文带你扒一扒当代打工人如何靠“天汽真不错”这种手滑操作，硬刚AI检测器、糊弄HR、甚至开发出“故意写错”付费插件的魔幻现实。技术人必读——毕竟，谁也不想被当成GPT-5冒充的吧？]]></description><category></category></item><item><title><![CDATA[AI算力要上天？别笑，太空数据中心真能干翻地球电费！]]></title><link>https://blog.csdn.net/lifetragedy/article/details/161395802</link><guid>https://blog.csdn.net/lifetragedy/article/details/161395802</guid><author>lifetragedy</author><pubDate>Mon, 25 May 2026 16:33:08 +0800</pubDate><description><![CDATA[当AI算力吃掉全球电力，有人把数据中心搬进轨道——不用批地、不用电池、阳光管够！Starcloud CEO Philip Johnston在红杉峰会放话：太空才是推理算力的终极归宿。这不只是科幻，这是即将落地的千亿基建狂想曲。]]></description><category></category></item><item><title><![CDATA[“20世纪发明的所有职业，都难逃AI的冲击！”]]></title><link>https://blog.csdn.net/lifetragedy/article/details/161349255</link><guid>https://blog.csdn.net/lifetragedy/article/details/161349255</guid><author>lifetragedy</author><pubDate>Sun, 24 May 2026 01:08:12 +0800</pubDate><description><![CDATA[塔勒布一句推文引爆焦虑，但真相更残酷：AI不是未来威胁，而是正在进行的“白领大清洗”。本文揭示“AI替代的逆向历史演化定律”——越晚出现的脑力工作，被淘汰得越快。别再幻想岁月静好，风暴已在CBD上空成型。]]></description><category></category></item><item><title><![CDATA[年轻人为何对AI成功学集体嘘声？]]></title><link>https://blog.csdn.net/lifetragedy/article/details/161349080</link><guid>https://blog.csdn.net/lifetragedy/article/details/161349080</guid><author>lifetragedy</author><pubDate>Sun, 24 May 2026 00:49:08 +0800</pubDate><description><![CDATA[当毕业典礼上的AI演讲不再赢得掌声，而是招致全场嘘声，这背后不只是情绪宣泄，更是Z世代对技术承诺与现实落差的清醒反抗。本文揭示AI如何从“未来希望”变成年轻人眼中的生存威胁。]]></description><category></category></item><item><title><![CDATA[当99%的作业都是AI写的，大学还剩什么？这届“AI原住民”毕业生的答案亮了！]]></title><link>https://blog.csdn.net/lifetragedy/article/details/161324398</link><guid>https://blog.csdn.net/lifetragedy/article/details/161324398</guid><author>lifetragedy</author><pubDate>Fri, 22 May 2026 23:11:50 +0800</pubDate><description><![CDATA[ChatGPT入学那年，他们刚进大学。如今毕业在即，这群清华、哥大、NYU的“AI原住民”坦言：99%作业靠AI，但真正拉开差距的，是元认知、批判性思维和人与人的连接——那些AI偷不走的“元能力”。

]]></description><category></category></item><item><title><![CDATA[大模型训练师的炼丹之道 (3)-更高级训练，如何把大规模知识“刻”入模型]]></title><link>https://blog.csdn.net/lifetragedy/article/details/161316940</link><guid>https://blog.csdn.net/lifetragedy/article/details/161316940</guid><author>lifetragedy</author><pubDate>Fri, 22 May 2026 22:52:48 +0800</pubDate><description><![CDATA[从让模型自称“威震天”到精准记住豆包三档订阅价，微调正从身份扮演迈向商业知识注入。本文以豆包最新定价为实战样本，拆解如何将结构化事实“刻”入大模型神经，完成从玩具级微调到生产力级知识内化的关键跃迁。]]></description><category></category></item><item><title><![CDATA[搜索已死？不，它刚刚重生为Agent的“天眼”]]></title><link>https://blog.csdn.net/lifetragedy/article/details/161264267</link><guid>https://blog.csdn.net/lifetragedy/article/details/161264267</guid><author>lifetragedy</author><pubDate>Wed, 20 May 2026 21:30:22 +0800</pubDate><description><![CDATA[传统API集成正在失效，AI Agent却被“搜索”卡住脖子！AnySearch横空出世，打通谷歌看不到的80%互联网，让Agent真正连接现实世界——从股权结构到生产级代码，从威胁情报到尽调数据，一搜即得、可信可用。这不是升级，是范式转移！

]]></description><category></category></item><item><title><![CDATA[别再只调模型和 Prompt 了：RAG 回答出错，八成是检索没召回正确文档]]></title><link>https://blog.csdn.net/lifetragedy/article/details/161260360</link><guid>https://blog.csdn.net/lifetragedy/article/details/161260360</guid><author>lifetragedy</author><pubDate>Wed, 20 May 2026 20:44:52 +0800</pubDate><description><![CDATA[RAG 系统回答错误，多数团队第一反应是换更强的模型或反复调 prompt。但真相往往是：检索层根本没找到正确文档。本文系统讲解如何用 Recall 定位检索问题，并通过混合检索、重排、查询改写等手段精准优化。]]></description><category></category></item><item><title><![CDATA[马斯克1500亿豪赌败给“诉讼时效”？硅谷世纪审判90分钟草草收场！]]></title><link>https://blog.csdn.net/lifetragedy/article/details/161212069</link><guid>https://blog.csdn.net/lifetragedy/article/details/161212069</guid><author>lifetragedy</author><pubDate>Tue, 19 May 2026 10:12:02 +0800</pubDate><description><![CDATA[一场耗时三周、引爆全网的AI圈“宫斗大戏”，竟被陪审团90分钟秒判“过期作废”！马斯克怒告OpenAI转型营利，结果卡在“告晚了”这道程序门槛上。本文带你扒一扒这场荒诞又硬核的科技法律大乱斗，看懂AI巨头背后的信任危机与万亿IPO暗战。]]></description><category></category></item><item><title><![CDATA[Claude Mythos出笼！AI猛兽秒破人类一年无解漏洞，GPT-5.5直接被按在地上摩擦]]></title><link>https://blog.csdn.net/lifetragedy/article/details/161211123</link><guid>https://blog.csdn.net/lifetragedy/article/details/161211123</guid><author>lifetragedy</author><pubDate>Tue, 19 May 2026 09:45:29 +0800</pubDate><description><![CDATA[全球最强AI安全模型Claude Mythos悄然“去预览化”，在Google Cloud Console正式上线！CMU实测显示，它不仅能自主复现高危浏览器漏洞，甚至干翻人类专家一年都啃不动的“CVE冷案”。这不是科幻片，这是AI攻防新时代的开幕雷击！

]]></description><category></category></item></channel></rss>