m0_71745484的博客

作为一名程序员，在当前这个技术日新月异的时代，我亲身体验到了就业环境的双重面貌：一方面，技术的快速发展带来了前所未有的创新机遇；另一方面，基础编程岗位的饱和使得竞争愈发激烈，许多同行感叹“就业难”。然而，在这看似供大于求的表象之下，隐藏着一条通往更高层次职业发展的黄金通道——那就是深入学习和掌握AI大模型技术。大模型技术的竞争力提升大模型，比如OpenAI的GPT系列、Google的BERT，以及阿里云的通义千问等，它们凭借强大的泛化能力和适应性，正在重新定义人工智能的边界。

最近人工智能AI（Artificial Intelligence）很热门，讨论的人也越来越多。现在国内互联网大厂越来越重视AI了，开发了很多AI应用工具产品。那什么是AI，国内大厂在AI方面又做了哪些布局呢？人工智能简称AI，是一种利用计算机模拟人类智能的技术和方法。它涵盖了机器学习、深度学习、自然语言处理等多个领域，旨在让计算机能够像人类一样进行感知、理解、推理和决策。人工智能的发展离不开大模型的支持，大模型为人工智能提供了强大的计算和学习能力，使得AI技术能够不断进步和应用到更广泛的领域。

OpenAI CEO Sam Altman 在个人博客上发表了一篇题为《The Intelligence Age》的文章，在这篇文章中 Altman 做了一些预测，他说超级 AI 可能会在未来几千天内诞生，每个人都会拥有 AI 私人助手等。同时，他也强调要注意 AI 的负面影响，要尽量减少 AI 带来的危害。下面为博客译文，我们一起学习一下。在接下来的几十年里，我们将能够做到一些在我们爷爷奶奶那辈人看起来像魔术一样的事情。这种现象并不新鲜，但它将以一种前所未有的速度加速发展。

随着人工智能技术的发展，大模型成为了近年来的热门话题之一。本文旨在为初学者提供关于大模型的基础知识介绍，并探讨其对企业的影响、应用领域的就业前景以及如何系统地学习大模型。什么是大模型？大模型（Large Models），通常指的是拥有大量参数的深度学习模型。这些模型由于其规模庞大，能够捕捉到数据中的复杂模式，因此在自然语言处理（NLP）、计算机视觉（CV）等领域有着广泛的应用。例如，GPT-3 和 BERT 就是自然语言处理领域中著名的大型预训练模型。

在人工智能领域，大型语言模型（LLMs）已经取得了显著的进展，能够生成类似人类的文本并回答各种问题。然而，它们在推理过程中仍面临一些挑战，例如缺乏对事实的准确把握以及难以处理复杂的多步骤问题。为了解决这些问题，检索增强生成（RAG）和思维链（CoT）提示技术应运而生，而它们的结合（RAG + CoT，即检索增强思想 RAT）更是展现出了强大的优势。一、RAG：知识的注入器RAG，即检索增强生成，是一种允许LLMs在推理过程中访问外部信息源的技术。

这篇文章目的是改变你工作生活与智能化交互的习惯，从而提升效率300%以上。这篇文章关注点为精力管理和效率管理相关的逻辑、工具与方法论。AI火起来的这两年，我经常想什么人需要AI，至少管理者应该是不需要，因为管理者的职责主要是管理人、组织工作流程、制定决策以及确保团队达成目标，更多地涉及人力资源和策略层面的工作。如果AI普及了，那么你让管理者下去一线去管AI，管AI即用生产工具，那岂不是违背管理的本质。

5 分钟就能完成真人程序员一天的工作量。太轻松了。在 AI 程序员的帮助下，一个几乎没有专业编程经验的初中生，在人头攒动的展台上从零开始，两分钟就做出了一个倒计时网页。他需要做的，只是输入包含几句话的提示词。数秒钟后，大模型就生成了代码，还列出了环境需求，复制完代码就可以使用了。这不是程序员父亲带自家小孩做的网红项目，而是人人都可以尝试的事。在大模型的帮助下，代码正在成为低门槛的设计工具。

运营人，终于被逼疯了！一个人=一个部门！文案、策划、拍摄、剪辑、运营、销售什么都做。企业利润为王，阅读量、粉丝量要是不能转化为业绩，注定拿不到高薪……**活干了一大堆，一看工资8000块，**运营岗入行门槛低，天花板也低，晋升更无望！运营岗的出路在哪里？在AI持续火爆的今天，未来的运营高薪岗，一定是AI产品运营！转行AI产品运营，真的太香了！不管是产品运营、用户运营、新媒体运营还是活动运营，都是围绕用户出发！所具备的运营能力、数据分析能力一致！但……干差不多的活儿，薪资却差了十万八千里！

在当今数字化快速发展的时代，AI（如 ChatGPT、Midjourney、Claude 等）大语言模型如雨后春笋般接二连三的涌现，与此同时，AI 辅助编程工具也日益普及。这一系列的变化使得程序员的工作方式正在发生着深刻的变革。一、AI 重塑编程世界随着科技的不断进步，AI 大语言模型在编程领域掀起了一场前所未有的革命。曾经繁琐的编程工作，如今在 AI 辅助编程工具的帮助下变得更加高效。这些工具可以快速生成代码片段、提供优化建议，甚至能够在一定程度上理解复杂的编程逻辑。

运行大型语言模型（LLMs），如ChatGPT和Claude，通常需要将数据发送到由OpenAI和其他AI模型提供商管理的服务器。虽然这些服务是安全的，但一些企业为了更高的隐私，倾向于完全将数据保留在本地，并处于与外界网络离线状态。那为什么选择使用本地LLM呢？隐私： 可以在不离开本地服务器主机的情况下多轮次地提示本地LLMs，而无需担心提示数据被外传。通常情况下，任何公司会尽量避免在不必要时将数据分享给他人，尤其是当数据涉及员工或工作敏感信息时。

今天听了三个小时的AI大模型讲座，有几个感受大模型作为基础设施，为国之重器，已经超越了个人或者企业的能力范围，对大模型的争夺已经事关中国近20年的国运。中国必须采取一切手段去争夺算力、数据和人才，趁现在还没落后太远。大模型做的好坏与否取决于高质量数据，中文资料少，质量差，应该在可遇见的未来无法超越外国的大模型。能做的只有在外国语料库上进行训练。大模型是可以解释的，包括为什么这个模型性能好，为啥那个性能差，但是这个解释性质是实验的，实验发现了这个差的比不差的区别在那。

今天听了三个小时的AI大模型讲座，有几个感受大模型作为基础设施，为国之重器，已经超越了个人或者企业的能力范围，对大模型的争夺已经事关中国近20年的国运。中国必须采取一切手段去争夺算力、数据和人才，趁现在还没落后太远。大模型做的好坏与否取决于高质量数据，中文资料少，质量差，应该在可遇见的未来无法超越外国的大模型。能做的只有在外国语料库上进行训练。大模型是可以解释的，包括为什么这个模型性能好，为啥那个性能差，但是这个解释性质是实验的，实验发现了这个差的比不差的区别在那。

在这个科技日新月异的时代，AI（人工智能）已不再是遥不可及的科幻概念，AI已来，AI时代已来，AI已逐步渗透到我们生活的方方面面。从语音识别、图像识别到自然语言处理，从智能制造到智慧医疗，从金融风控到教育创新，AI的应用场景越来越广泛，越来越深入。AI正在改变着世界的面貌。AI技术的快速发展，为各行各业带来了巨大的机遇。与此同时，它也给人们带来了前所未有的挑战。有人担忧，AI的崛起，人类的危机。毕竟，AI看起来太无所不能了，而人类，无知又自大，愚蠢又懒惰。

在智能客服系统中，快速、准确地解决用户提出的热点问题是提升用户体验和运营效率的关键。本文将基于一套综合的系统架构，详细解析如何通过聚类服务、语义搜索、以及大模型的深度融合，构建一个高效且智能的热点问题处理系统。本文将带您逐步了解系统的各个组成部分及其工作流程，帮助您更好地理解这一复杂系统的设计与实现。一、应用场景概述：聚焦用户热点问题在智能客服应用中，系统需要应对多种复杂场景，其中包括对“热点问题”的处理、对用户提问的“情景搜索”、以及支持“智能客服”功能。

前几天看到一张梗图，差点笑发财了…生动形象的展现了这几年商业广告的现状：但凡产品带个屏幕、内部有块电路板，厂家就宣传「内置AI」，要是产品能联网，就直接吹是「AI驱动」！这几年AI的火爆，一如十年前的互联网思维，上点年纪的同学对当年「万物+互联网」的盛况应该记忆犹新吧。且不谈这种火爆是不是良性，至少我们从中看到了就业趋势和就业机会。当年「万物+互联网」催生了无数的产品经理（老K自己也是其中一员），如今新人胜旧人，产品经理不吃香了，我们是不是要考虑果断踏上AI的列车？

随着数字化时代的来临，企业的营销策略正从“广撒网”的大众营销，向“千人千面”的个性化营销转变。借助AI（人工智能）技术，企业可以通过分析大量用户数据，深入洞察每一个用户的独特需求和行为，进而推送定制化内容与服务。本文将详细解读如何通过数据采集、标签构建、用户画像等关键环节，在AI的支持下实现千人千面的营销策略。一、AI驱动的数据采集：多维度的数据来源数据采集的重要性在千人千面营销的整个过程中，数据是最核心的资源。AI技术依赖于大量高质量的数据来分析用户行为、预测趋势、优化营销决策。

问题描述在使用人工智能执行复杂任务时，多智能体AI方法对于有效的工作流程增强至关重要，因为它能够实现专业化。这意味着每个智能体可以处理特定任务或情境，从而提高整体的适应性和性能。例如，在涉及威胁建模的安全工作流程中，一个智能体可以专注于理解系统架构和安全目标，另一个智能体可以收集系统组件和数据字典详细信息，而其他智能体则定义信任边界、构建威胁模型并制定对策。这种协调的方法使得自动化具有动态性、可扩展性和上下文感知能力，超越了单一智能体系统或迭代的人工提示。

着大模型技术的快速发展，越来越多的程序员开始考虑转型入局AI大模型领域。那么，对于程序员来说，如何顺利地完成这一转型呢？本文将从行业前景、薪资待遇、岗位需求，程序员转行大模型的优势，以及目前互联网行业的发展风向三个方面进行详细阐述。一、行业前景、薪资待遇、岗位需求行业前景：随着人工智能技术的不断成熟和广泛应用，AI大模型已经成为众多企业和机构争相研发的重点领域。不论是智能客服、自动驾驶，还是医疗诊断、金融科技，AI大模型的应用已经渗透到了各行各业。

SOA中的服务治理（Service Governance）是确保服务在整个生命周期中得到有效管理和控制的关键机制。服务治理涉及服务的设计、开发、部署、运行、监控以及退役等各个阶段，确保服务的合规性、性能和安全性。我们接下来将详细学习SOA的服务治理部分，涵盖以下几个主要方面：服务治理的核心内容1.1. 服务目录与注册（Service Directory and Registry）服务治理的第一步是对服务进行注册和管理。

我们现在深入学习SOA的具体设计模式。SOA架构中的设计模式主要是指导服务如何设计、实现、部署和管理，确保服务的松耦合、高可用性、扩展性和复用性。SOA常见的设计模式可以分为以下几类：服务层次设计模式1.1. 基础服务（Fundamental Service）基础服务提供核心的功能，通常是企业的基本业务能力。例如，订单处理服务、客户管理服务等。这些服务是面向具体业务逻辑的，通常不会直接与用户交互。

面向服务架构（SOA，Service-Oriented Architecture） 是一种通过服务的方式来组织和使用分布式能力的架构风格，目的是使系统内各个模块能够以松耦合的方式进行交互。SOA通过将业务功能和服务解耦，赋予了企业更高的灵活性和可扩展性，使其能够快速应对变化的业务需求。SOA架构设计的整体介绍SOA是一种通过标准协议和接口将功能模块封装为“服务”的架构，它允许不同的系统和应用通过服务来进行通信，而不依赖于它们的底层实现。

面向服务架构（SOA，Service-Oriented Architecture） 是一种通过服务的方式来组织和使用分布式能力的架构风格，目的是使系统内各个模块能够以松耦合的方式进行交互。SOA通过将业务功能和服务解耦，赋予了企业更高的灵活性和可扩展性，使其能够快速应对变化的业务需求。SOA架构设计的整体介绍SOA是一种通过标准协议和接口将功能模块封装为“服务”的架构，它允许不同的系统和应用通过服务来进行通信，而不依赖于它们的底层实现。

案例研究和实践应用的意义在企业架构的开发和实施过程中，理论知识固然重要，但将理论应用到实际项目中，解决特定的业务问题，才是企业架构的真正价值所在。通过案例研究，能够深入分析具体企业在不同环境下如何使用TOGAF框架的各个部分，帮助我们更清晰地了解：如何根据企业需求定制架构开发流程。架构的各个部分在不同项目阶段的实际应用。不同行业架构开发过程中所遇到的挑战及应对策略。如何在项目实施过程中进行架构治理、变更管理和风险控制。

我们现在继续分步学习，进入TOGAF的**架构治理（Architecture Governance）**部分。TOGAF架构治理（Architecture Governance）架构治理是指对企业架构的开发和执行进行监督和控制的框架。它确保架构活动与业务战略保持一致，维护架构的一致性、可控性、质量和有效性。架构治理是企业治理的一部分，特别关注企业架构的管理和指导。它确保架构在其生命周期内符合既定标准和政策，防止项目偏离既定的架构路线，同时帮助确保架构的透明度、合规性和风险控制。

我们现在继续分步学习，进入TOGAF的**企业连续体（Enterprise Continuum）和工具（Tools）**部分。TOGAF企业连续体（Enterprise Continuum）**企业连续体（Enterprise Continuum）**是一个分类框架，用于帮助架构师在架构开发过程中识别、分类和组织架构资产。它涵盖了从通用的基础架构到特定的组织解决方案，帮助架构师了解哪些现有的架构资源可以重用，以减少重复劳动。企业连续体可以理解为一个存储库，它提供了企业架构中所有类型资产的结构化视图。

以下是对TOGAF架构能力框架中每个部分的详细解释和实际示例。这些示例将帮助您更深入地理解各个部分的应用。架构治理（Architecture Governance）架构治理确保架构开发和实施符合组织的业务和IT策略，通过一套明确的政策、流程和结构来监督和控制架构活动。关键要素：架构原则、政策、标准、流程、决策机制、监督和评审流程。实施措施：建立一个架构治理框架，包括定义架构原则和政策。建立架构评审委员会，定期评审架构交付物和项目以确保符合治理标准。

以下是对TOGAF架构能力框架中每个部分的详细解释和实际示例。这些示例将帮助您更深入地理解各个部分的应用。架构治理（Architecture Governance）架构治理确保架构开发和实施符合组织的业务和IT策略，通过一套明确的政策、流程和结构来监督和控制架构活动。关键要素：架构原则、政策、标准、流程、决策机制、监督和评审流程。实施措施：建立一个架构治理框架，包括定义架构原则和政策。建立架构评审委员会，定期评审架构交付物和项目以确保符合治理标准。

TOGAF架构内容框架（Architecture Content Framework）TOGAF架构内容框架是TOGAF的一个重要组成部分，它提供了标准化的方法来描述企业架构。架构内容框架帮助架构师创建、管理和使用架构工件（Artifacts），这些工件是构建企业架构的基本单位。TOGAF架构内容框架概述TOGAF架构内容框架由以下几个主要部分组成：架构视点和视图（Viewpoints and Views）

TOGAF的架构开发方法（ADM, Architecture Development Method）是其核心组成部分，提供了一个详细的、迭代的架构开发过程，涵盖从架构规划、设计、实施到治理的各个阶段。ADM为企业架构师提供了一个系统化的架构开发框架，帮助企业确保其业务目标与IT系统之间的对齐。下面将逐步介绍TOGAF ADM的每个阶段及其落地实施的措施和工具。

TOGAF整体介绍TOGAF（The Open Group Architecture Framework）是由The Open Group开发的一种企业架构框架。它是全球广泛使用的企业架构标准框架之一，提供了一个系统化的方法来帮助企业进行架构设计、规划、实施和治理。TOGAF的目标是确保企业IT系统和业务需求之间的对齐，以支持组织的战略目标。TOGAF的关键特点：开放标准：TOGAF是一个开放标准，任何企业和组织都可以使用和定制它来满足其架构需求。

在企业软件开发和系统设计中，架构方法论提供了指导原则、最佳实践和框架来帮助架构师和开发团队设计和实施高质量的软件系统。以下是一些主流的架构方法论及其特点分析：特点：广泛应用：TOGAF是一个行业标准的企业架构框架，广泛用于大型企业架构设计。架构开发方法（ADM）：TOGAF的核心是架构开发方法（Architecture Development Method，ADM），它定义了一个循环的架构开发过程，包括愿景、业务架构、信息系统架构、技术架构等阶段。

企业信息化架构规划与实施指南企业信息化是已经成为企业经营管理必不可少的重要手段。如何更好地规划和实现企业信息架构是每个企业CIO迫切需要解答的问题。本课程在总结了微软（中国）服务部门多年基于国内企业信息化架构的经验，让您能深入体会企业信息化架构的重要性和必要性，如何把软件架构与企业信息化架构和规划结合，如何有效的利用现有资源，权衡各方利弊搭建最优化架构，从而保证企业信息化正确发展；把握在充分考虑经济性、易用性和高效性的基础上，分阶段分步骤地实施适应性强，可扩展性高的企业信息化应用架构。学习目标。

MyBatis 作为互联网数据库映射工具界的“上古神器”，训有四大“神兽”，谓之：SqlSessionFactoryBuilder、SqlSessionFactory、SqlSession、Mapper。可以说，了解了这四大核心，便可知 MyBatis 八九。一、SqlSessionFactoryBuilder从命名上可以看出，这个是一个 Builder 模式的，用于创建 SqlSessionFactory 的类。

今年招聘市场确实是好点了，我发现群友都在讨论，得赶快学点 AI 大模型。他们有的是想正式转到一些新兴的 AI 行业，需要系统的学习训练。更多的是想跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。这也可以理解，ChatGPT 推出仅一年半的时间，就将生成式 AI 推向主流。从谷歌到亚马逊，从百度到阿里，几乎所有科技巨头都在布局 AI，也直接影响到了招聘市场，大模型相关的岗位数量多了不少，年薪甚至达到 80W-90W。

一、什么是大模型幻觉相信大家在使用ChatGPT或者其他大模型时会遇到这样的情况，模型答非所问甚至自相矛盾。这种现象我们称为“幻觉”"幻觉"指的是模型生成的信息或回答不准确或虚假的现象。比如，模型可能在回答问题时编造不真实的细节，或者对事实产生错误的解释。在准确率要求非常高的场景下幻觉是不可接受的，比如新闻领域、医疗领域、金融领域等。以下为几个典型的大模型幻觉案例：1、阅读理解任务中的幻觉：大模型在回答问题时，可能会产生与原文无关的答案，甚至编造事实。

科技飞速发展，AI 如同一位睿智的先锋，不断开拓着新的领域，为人类的生活带来翻天覆地的变化。尤其是在医疗大健康方面，人工智能正以不可阻挡之势与医疗行业深度融合，成为了推动行业进步的强大引擎。“打开AI用药助手，拍下药盒即刻呈现清晰详尽的药品说明书，以及重要注意事项；通过简单扫描二维码或向AI医生助理提出要求，患者的基本信息与症状概览瞬间呈现在医生眼前，让医生能够专注于与患者深度交流，对话也被AI助理轻松记录，同时医生依托先进的临床决策支持系统，迅速而精准地制定诊断方案……”

本报告由深圳前瞻产业研究院、首钢基金CANPLUS联合华为云共同出品。报告显示，2023年我国AI大模型行业规模已达到147亿元。AI大模型的行业应用及技术进步能有效提升各行业生产要素的产出效率，并提高了数据要素在生产要素组合中的地位。供给方面，当前AI大模型企业主要通过深化通用大模型能力或打造垂类行业大模型两种路径为下游行业提供AI大模型应用服务，商业模式则较为灵活且多元化；

*企业服务总线（Enterprise Service Bus，ESB）**是SOA架构中的核心组成部分，主要用于促进企业内部异构系统和应用程序之间的集成与通信。ESB提供了一个统一的服务集成平台，通过使用消息路由、协议转换、服务编排等功能，实现了不同服务之间的无缝通信。我们将详细学习ESB架构的实现，包括其核心功能、架构组件、实现步骤和最佳实践。ESB架构的核心思想ESB的核心思想是通过一个中心化的“总线”实现企业中各个应用和服务的集成，避免服务之间的点对点（P2P）通信。

随着人工智能技术的快速发展，尤其是大规模语言模型（如GPT-3、BERT等）在自然语言处理领域的广泛应用，越来越多的技术人才开始考虑向这一前沿领域转型。对于那些拥有前端开发背景的专业人士来说，虽然两者看似领域不同，但实际上从Web应用到AI模型之间的跨越并非遥不可及。本文将为希望从传统前端工程师角色转变为专注于大模型研究与开发岗位的朋友提供一份详尽的职业转换指南。一、了解基础知识掌握必要的数学知识线性代数：理解矩阵运算对于理解和实现神经网络至关重要。

↓推荐关注↓大家好，从 2019 年的谷歌 T5 到 OpenAI GPT 系列，参数量爆炸的模型不断涌现，尤其2022年11月底对话大模型 ChatGPT 的出现更是引起了社会各界的广泛关注。近些年，在大规模语料库上预训练 Transformer 模型产生了预训练语言模型（PLMs），并在解决各类 NLP 任务上展现出了强大的能力。当参数规模超过一定水平时，语言模型实现了显著的性能提升，并展现出小模型中不存在的能力，比如上下文学习。为了区别于 PLM，这类模型被称为大型语言模型（LLMs）。