- 博客(1382)
- 收藏
- 关注
RSS订阅原创 干货收藏】AI三大核心技术MCP/RAG/Agent详解：让大模型真正为你所用
文章详细解析了AI领域的三大核心技术：MCP（模型上下文协议）作为"万能转换器"统一工具接口；RAG（检索增强生成）解决AI"幻觉"问题，提供知识支持；Agent作为智能体能主动完成任务。三者协同工作形成"黄金三角"，使AI进化为智能助手，未来将广泛应用于生活和工作中，掌握这些概念有助于跟上AI时代步伐。
2026-02-17 11:15:00
640
原创 AI应用开发核心：上下文工程构建指南，从入门到精通，建议收藏！
上下文工程是AI应用开发的核心技术，本质是优化AI模型接收的输入内容(system、tools、messages)。通过精心设计上下文内容、结构和容量管理，可显著提升AI响应质量和效果。无论是开发者构建AI产品，还是用户使用AI工具，掌握上下文工程都能让AI更"懂你"。文章解析了各种AI技术背后的上下文工程原理，提供了实用的构建策略和最佳实践。
2026-02-16 11:45:00
431
原创 大模型上下文工程实战：从“不知道“到“知道太多“的解决之道，建议收藏！
文章探讨了从2023年至今大模型应用面临的挑战转变，从上下文有限到无限膨胀，导致"Lost in the Middle"问题。模型无法有效利用上下文中间信息，成为Agent落地的根本障碍。文章分析了问题成因（训练数据偏差、注意力机制稀释、RoPE编码衰减），并提出"上下文工程"五大实践：上下文卸载、压缩、任务隔离、分层动作空间和精细化Prompt，强调大模型需精密上下文管理才能发挥真正效能。
2026-02-15 11:30:00
323
原创 收藏这份清单！AI大模型领域30个关键术语详解，小白入门不求人
本文按照AI产品的四层架构（基座层、模型层、应用层、用户层）系统介绍了AI领域30个核心名词。基座层涵盖算法、算力、数据等基础概念；模型层包含多模态AI、大语言模型等核心技术；应用层介绍文生图、AI原生等落地场景；用户层包括可解释AI、AI安全等与用户直接相关的概念。这些术语从基础到前沿，全面覆盖了当前AI大模型领域的关键知识，适合初学者系统学习。
2026-02-14 11:00:00
446
原创 【收藏级干货】大模型技术全解析：从架构原理到实战应用的程序员指南
本文全面介绍大语言模型的发展历程、类型划分、构建流程及核心技术。大模型发展经历基础模型、能力探索和突破发展三阶段，分为基础、对话、通用和推理模型。构建流程包括预训练、有监督微调、奖励建模和强化学习。主流架构有Transformer和MoE，关键技术涵盖指令微调、参数高效微调和RLHF，共同推动大语言模型能力提升与应用拓展。
2026-02-13 11:15:00
368
原创 【干货收藏】大模型智能体(Agent)核心能力详解：规划、工具使用与记忆模块
本文从功能、核心能力和工程三个维度介绍智能体(Agent)架构，详细讲解规划能力(思维链、思维树、自一致性等)、工具使用(Function call和MCP协议)及记忆模块(短期记忆和长期记忆及MIPS检索技术)。这些内容构成了智能体的核心知识体系，帮助开发者构建更强大、更智能的大模型智能体应用。
2026-02-12 10:45:00
653
原创 【值得收藏】大模型领域真的适合转行吗？算法与应用工程师门槛解析
文章分析了大模型领域的两类岗位（算法工程师和应用工程师）及其门槛差异。算法工程师要求高，需名校背景和扎实理论基础；应用工程师门槛较低但属于有业务壁垒方向。文章建议没有技术或业务壁垒的程序员可考虑大模型应用方向，但提醒不要盲目跟风热门领域，建议先业余时间尝试，确认适合再转行。对于已有电商业务背景的程序员，不建议贸然转行。
2026-01-14 11:23:54
825
原创 收藏必看！程序员的AI开发第一课：零基础入门大模型应用，职场竞争力UP！
文章强调AI技术已成为职场必备技能。该课程专为非AI专业程序员设计，内容涵盖大模型基础、应用开发和模型能力三部分，从提示词编写到OpenAI API、LangChain框架使用，再到RAG和Agent应用开发，帮助学员建立AI开发整体认知，提高实际应用能力，是普通程序员入门AI的理想选择。
2026-01-14 11:23:04
919
原创 建议收藏！大模型技术全景图：从小白到专家必学的核心概念与实战指南
本文系统梳理了大模型技术全景，从基础概念(LLM、LLMOps、AIGC等)到工作原理(Transformer、注意力机制)，再到高级架构(MoE、MCP)与AI智能体实现。详细解析Token、Embedding、LoRA等关键技术，并提供LangChain工具实践与RAG系统构建示例，构建了从数据层到系统层的概念关系，为大模型学习与应用提供全面指导。
2026-01-14 11:20:48
830
原创 收藏必备：大模型(LLM)学习路线图：从小白到专家的三步进阶之路
文章总结了学习大模型的三个层次路线：首先是工具层，掌握各类AI平台工具；其次是应用开发层，学习私有化部署、Agent、RAG等技术栈并进行实践；最后是模型微调和算法层，包括Transformer架构、机器学习算法、深度学习等理论知识的学习。作者建议通过工具使用、实践开发与理论学习相结合的方式系统学习大模型技术。
2026-01-14 11:10:26
490
原创 【必看收藏】告别“手搓“智能体！腾讯Youtu-Agent：让AI智能体学会自我生成与进化的革命性框架
腾讯Youtu-Agent框架解决智能体开发痛点，通过模块化设计、自动化生成和持续优化三大功能，实现智能体自我创建与进化。支持工作流和元智能体两种生成模式，以及低成本练习和高性能强化学习两种优化路径，在多项基准测试中表现优异，为开源社区建立新基准，并展示了本地多模态助手的应用前景。
2026-01-10 17:01:30
936
原创 【收藏级干货】系统性学习大模型，小白也能轻松掌握的完整指南
本文系统介绍了大模型相关知识，包括大模型、大语言模型、端到端模型和多模态大模型的定义、工作原理及应用案例。大模型是含大量参数的复杂模型，大语言模型专注于文本处理，端到端模型简化多步骤任务为单一流程，多模态模型则能处理文本、图像、视频等多种数据类型。文章通过通俗易懂的语言和实例，帮助AI初学者一次性掌握大模型系列知识，是系统性学习大模型的必备指南。
2026-01-10 17:00:05
650
原创 【建议收藏】从“人“的角度理解大模型：智能问答与数据分析技术解析
大模型应用的核心思想是将其视为一个能够熟练使用工具的"人"。智能问答基于RAG检索增强生成，核心在于文档检索和知识库构建；数据分析则是让大模型扮演DBA角色，编写SQL或代码脚本，核心在于脚本生成能力和工具使用能力。智能问答技术更复杂但流程固定，数据分析技术逻辑简单但结果更难判断。两者虽维度不同，但可结合Agent智能体技术实现。
2026-01-10 16:57:59
722
原创 收藏级干货：智能体与大模型：5大维度详解AI技术的核心差异与落地路径
本文深入解析了智能体与大模型的五大核心区别：目标导向(被动响应vs主动闭环)、组成形态(单一组件vs系统集成)、能力边界(模态处理vs任务解决)、交互方式(单次问答vs持续协作)和价值逻辑(能力输出vs效率提升)。大模型作为智能体的核心引擎，提供基础能力；智能体通过整合多模块实现全流程自动化，成为商业落地的关键载体。企业应根据需求选择合适的AI技术路径，实现从能力输出到价值创造的转变。
2026-01-10 16:51:32
810
原创 【值得收藏】大模型RAG技术突破：12种创新架构全解析，助你掌握前沿检索增强生成技术
本文介绍了12种最新的RAG高级架构与方法，包括Mindscape-Aware RAG、基于超图记忆的多步RAG、高保真分层RAG等创新技术。这些方法针对长文档理解、多步推理、减少幻觉、多模态处理等场景进行了优化，每个方法均附有论文链接，为开发者提供了丰富的大模型应用选择，是学习RAG技术的宝贵资源。
2026-01-08 22:24:58
1078
原创 【强烈收藏】我Python都不会，能直接学AI大模型吗？——小白避坑指南
文章探讨学习AI大模型的前提条件，指出普通人无需从零开始造模型，而是学习使用现有模型。分析常见学习障碍：数学恐惧、代码过敏、耐心缺失和硬件不足，并提供差异化学习路径：大学生应打好数学编程基础，积累实战经验；在职人士需认清现实，根据自身背景选择合适切入点，将AI技术与现有工作结合。
2026-01-08 22:21:06
854
原创 【收藏】LLM大模型全景解析：从零开始理解AI智能的诞生
LLM大模型是基于Transformer架构的海量参数模型，通过规模效应、自注意力机制和训练范式调整实现通用智能。工作流程包括分词、嵌入表示、多层Transformer堆叠和概率预测，实现数据压缩→规律学习→智能涌现。LLM有Decoder-Only、Encoder-Only和Encoder-Decoder三种架构，分别适用于创作/对话、文本分析和翻译/摘要等场景。随着参数规模扩大，LLM展现出不可预知的新能力，如上下文学习和思维链推理。
2026-01-08 22:20:13
1017
原创 大模型入门必看：一篇读懂AI大模型核心知识，建议收藏！
本文全面介绍了AI大模型家族的基础知识，包括AIGC的两种类型和三个发展阶段，详细解释了AI、机器学习、深度学习、生成式AI和大语言模型之间的关系与区别。重点阐述了Transformer架构及其自注意力机制在大语言模型中的核心作用，以及大语言模型的特点和应用。文章内容系统全面，适合小白和程序员入门学习大模型技术。
2026-01-08 22:19:14
616
原创 【干货收藏】AI智能体构建指南：单智能体到多智能体的9种设计模式全解析
本文解析AI智能体应用构建方法，强调架构设计比大模型选择更重要。详细介绍单智能体和多智能体两大架构，以及9种设计模式，包括工具使用、规划和反思等单智能体模式，及监督者、层级等多智能体模式。通过实际案例和决策框架，帮助开发者根据应用场景选择合适的架构和模式，构建高效智能体应用。
2026-01-08 22:07:09
1069
原创 企业AI落地秘籍：RAG技术详解，解决大模型“最后一公里“难题，值得收藏！
文章探讨了企业级大模型应用的"最后一公里难题"，重点介绍了RAG技术作为解决幻觉、数据私有化和时效性问题的关键。文章详细阐述了生产环境下RAG的实现，包括数据预处理、检索与重排序、索引路由和生成控制等环节，并提出了"AI Min, System Max"架构设计哲学，强调系统鲁棒性比模型参数更重要。企业构建AI应用护城河的关键在于数据治理能力、检索链路设计和业务流程控制能力。
2026-01-07 11:47:09
547
原创 大模型技术前沿解析：Agent时代的到来与实战策略，技术人必读收藏
本文深入剖析了从Chatbot到Agent的范式转变，强调Agent通过工具调用实现自主循环和结果导向。文章探讨了预训练的精耕趋势和后训练向RL时代的转变，指出构建自有RL基建的必要性。同时分析了Agent时代的决胜关键，包括顶级算法设计、Infra团队、云服务等能力。作者强调长期主义投入的重要性，认为真正的技术突破需要持续深耕和稳定的前沿探索。
2026-01-07 11:46:22
1086
原创 【收藏】规划模式：解决AI Agent“不知道怎么做“的难题，大模型开发必学！
规划模式让AI Agent学会"先规划后执行"，通过任务分解和动态调整将复杂目标拆解为可执行步骤。适用于复杂任务自动化、研究信息整合等场景，可与提示链、反思等模式结合使用，显著提升自主能力和适应性，但会增加延迟和成本。CrewAI和Deep Research API提供了具体实现。
2026-01-07 11:35:22
973
原创 小白必看！一文搞懂Agent、Agentic、AI Agent和Agentic Systems区别（建议收藏）
文章区分了Agent、Agentic、AI Agent和Agentic Systems四个概念。Agent是最广义的智能体；AI Agent特指LLM驱动的智能体；Agentic表示具有真正自主能力的特质；Agentic Systems是多智能体协同系统。当前行业共识是：单个强模型+反思+工具=Agentic，多模型协同+编排=Agentic Systems，被视为AGI前的关键一步。
2026-01-05 18:56:10
1682
原创 程序员必看！AI工程师“造“与“用“的抉择：大模型应用开发更易入门高薪，建议收藏
文章解析了AI工程师两大方向：传统算法工程师专注于模型研发，需要深厚数学基础；大模型应用开发工程师则负责将现有模型应用到业务场景。对于零基础转行者，文章推荐选择大模型应用开发，因其入门门槛低，市场需求大，薪资高（最高60万年薪），能更快实现技术落地变现。
2026-01-05 18:55:25
605
原创 收藏必备！2026年构建企业级AI Agent平台完整指南：3大开源工具选型与实战对比
本文详细对比三大企业级AI Agent平台：Dify（企业知识库首选）、BuildingAI（快速商业闭环）和LangChain+LangGraph（高度定制化）。针对不同场景提供选型建议，涵盖RBAC权限系统、RAG知识库、多模型支持、商业化能力等企业级需求，帮助开发者根据团队规模和技术能力选择最适合的开源解决方案。
2026-01-05 18:54:10
907
原创 从边缘人到抢手人才：Java开发者如何借力大模型实现职场逆袭？收藏必读！
Java与大模型应用密不可分，大模型最终需要通过Java等技术栈实现工程化落地。对于Java开发者而言，掌握大模型应用开发不仅是技术升级，更是思维方式的升维。懂后端又懂大模型的"AI全栈工程师"是当前企业急需人才，薪资弹性大，技术生命周期长，是Java开发者在AI时代的"天选退路"。
2025-12-31 21:08:34
913
原创 2026年大模型Agent深度思考：收藏这篇，让你少走弯路
文章探讨了AI Agent学习的本质是元能力而非规则过拟合，提出人类是环境的一部分，"学习"与"执行"递归同构，Budget是产品设计变量。作者强调长期壁垒来自元能力与迭代回路，Agent本质是不同模态间的通用翻译器，并分析了Multi-Agent系统的协同税。在产品层面，提出产品定义即人群筛选，AI产品需平衡人类与机器敏感度，真正的壁垒是"制造能力的能力"。
2025-12-31 21:07:31
856
原创 收藏必备！为什么学习大模型是2026年程序员的最佳选择？
大模型已成为AI变革核心引擎，2025年已深入各行各业。RAG和AI Agent等技术成为核心竞争力，相关岗位需求旺盛。开源生态为学习者提供绝佳机会，降低研发门槛。学习大模型是适应趋势的必然，有完善的学习路线和社区支持。加入专业社区可获取学术进展、工业应用和岗位推荐等资源，助力把握AI革命主动权。
2025-12-31 21:05:53
1126
原创 【干货收藏】为什么一定要做Agent？从技术到价值，一篇读懂大模型智能体的革命性力量
本文深入分析了为什么一定要做Agent智能体。尽管Agent面临响应慢、幻觉、交互不友好等挑战，但其优势显著：降低应用开发门槛，简化流程复杂度，支持多样化交互，多Agent可协同完成复杂任务。这些优势使Agent成为解放生产力、提升效率的重要工具，其价值远大于挑战，值得长期投入。
2025-12-30 11:18:42
1481
原创 【2026最新】大模型智能体(Agent)学习路线：从核心概念到主流框架对比，程序员必看收藏
本文全面介绍大模型智能体(Agent)的核心概念、架构设计与实现方法，包括PEAS模型、智能体循环、提示工程等基础理论，ReAct、Plan-and-Solve、Reflection等核心架构，以及AutoGen、AgentScope、CAMEL、LangGraph等主流框架的对比分析。文章详细讲解了模型参数调优技巧，并探讨了智能体与传统工作流的本质区别，为开发者提供了构建高性能智能体系统的完整指导。
2025-12-30 11:17:05
966
原创 【收藏】普通人转行AI大模型：不用数学背景，3步实现职业跃迁的实战路径
AI行业已不局限于计算机专业，普通人凭借行业经验+AI技能的组合更具竞争力。企业需要能解决实际问题的实践者，而非只会推导公式的人。转行应聚焦低门槛高需求的AI应用岗位，掌握核心工具和实战项目，无需深究技术底层。2025-2027年是AI就业黄金期，"会用"比"懂"更重要，跨界人才在AI赛道上具有独特优势。
2025-12-30 11:15:53
1159
原创 【必收藏】Java程序员如何转型大模型应用开发，薪资翻倍不是梦！
传统Java程序员因供需失衡面临薪资缩水问题。转型大模型应用开发工程师是提升薪资的有效途径。Spring AI作为Java程序员学习大模型应用开发的最佳技术起点，可帮助掌握主流大模型技术。
2025-12-29 11:48:21
897
原创 程序员转行大模型全攻略：从15K到30K，附真实案例与学习路径，建议收藏
文章指出大模型工程师门槛不高，企业更看重实际工程能力而非学历。通过多个转型案例，强调程序员可通过掌握提示工程、RAG、模型微调和工程部署四大核心能力成功转行。文章提供了零基础友好的学习路线图，认为当前工具成熟、生态开放、需求爆发，是转型大模型领域的最佳时机。
2025-12-29 11:44:23
901
原创 【必藏】从零开始构建RAG知识库评估框架：三大核心指标量化你的AI系统效果
作者介绍了一套用于评估RAG知识库的量化框架，包含三项核心指标：Recall Score(检索召回率)衡量系统是否检索到正确知识；Correctness(答案正确度)评估模型回答是否正确；Groundedness(基于知识库程度)检测模型回答是否基于知识库而非虚构。通过这套轻量级Python评估系统，企业可以客观量化知识库建设效果，识别问题并持续优化，将主观"感觉"转变为可度量、可追踪的工程能力。
2025-12-29 11:14:15
786
原创 【必收藏】从零开始构建你的第一个智能体：大模型驱动的AI助手实战指南
本文全面介绍了智能体的概念、类型及运行原理，对比了传统智能体与LLM驱动智能体的差异，并通过构建智能旅行助手的案例，详细展示了智能体的"感知-思考-行动-观察"循环机制。文章还探讨了智能体作为开发者工具和自主协作者的两种应用模式，以及与Workflow的区别，为读者提供了从理论到实践的完整指南。
2025-12-25 11:20:39
772
原创 Agent元年真相：被高估的AI实习生如何实现生产级落地？（值得收藏）
2025年被定义为Agent元年，但现实中的Agent仍依赖硬编码和强管控。生产级Agent需通过MCP封装接口、严格定义工作流、使用长提示词抑制幻觉。多Agent系统因沟通噪音和认知负担效果不佳。未来落地需积累有效外部系统服务、内建自我验证能力、发展高效沟通协议。真正的Agent推广可能在2026年，需要应用案例打磨和联合创新。
2025-12-25 11:15:26
1513
原创 【必藏】零基础玩转大模型：Hugging Face Transformers微调实战指南
文章详细介绍了如何使用Hugging Face Transformers库微调预训练模型，以问答任务为例，从基础概念到实战操作。内容涵盖模型架构、Tokenizer使用、数据预处理、训练配置及效果验证，并提供了处理长文本的高级技巧。通过实际案例展示了微调前后的效果对比，帮助读者掌握将通用大模型适配特定业务场景的方法，适合对大模型感兴趣的开发者学习参考。
2025-12-25 11:07:29
1006
原创 收藏这份转行AI攻略：从焦虑到掌控，普通人的大模型入局指南
本文分享非技术背景人士转行AI的真实路径，强调普通人不必成为算法工程师，而应在AI应用层找到位置。提出三个阶段：成为超级用户、掌握低代码工作流、补齐理论短板。特别强调30+职场人的行业经验是宝贵资产，在AI应用层比纯技术能力更重要。鼓励读者行动起来，抓住技术变革机遇。
2025-12-24 10:56:48
1193
原创 【收藏必看】AI产品经理：连接技术与商业的桥梁，178%需求增长背后的职业机遇
随着AI行业从技术竞赛转向应用落地，AI产品经理成为企业争抢的"新桥梁"，招聘需求暴增178%，年薪高达百万。这一职位分化为AI平台、AI Native和AI+行业三大方向，要求从业者构建"技术-产品-商业"能力三角。当前26-35岁人才占比47%，36-45岁占比20%，高于其他AI岗位。当企业战略与AI深度绑定，AI产品经理的黄金时代已经开启，他们将成为连接技术潜力与用户日常需求的关键角色。
2025-12-24 10:55:53
1167
原创 深度收藏！马斯克预言AI超越人类，大模型训练师成为职场新风口！
马斯克预测2026年AI智力将超越单个人类，2030年超越人类总和，这将重塑职场需求结构。AI大模型训练师作为极具潜力的方向，门槛适中，不需要极高专业背景，适合各行业人才转型。该岗位薪资待遇优厚，职业发展路径清晰，可晋升为模型优化专家、AI应用顾问等。目前是进入AI领域的人才储备阶段，转行恰逢其时，把握机遇可获可观回报并实现职业持续提升。
2025-12-24 10:52:14
662
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