- 博客(690)
- 收藏
- 关注
RSS订阅原创 企业级 AI 智能体规模化落地：MCP+GraphRAG+Agent
当前企业级 AI Agent 已实现从 “工具” 到 “岗位” 的跃迁，下一阶段的核心方向是成为 “岗位专家”。一方面通过 “自动化清洗 - 专家话术提纯 - 合成数据扩充” 的工业化数据体系，结合强化学习优化奖励模型，让 AI Agent 的能力向 “金牌员工” 对齐；另一方面通过多样化能力细化场景，例如金融领域的实时沟通策略调整、方言适配等，满足细分需求。当 AI Agent 具备岗位专家能力，实现模板化复用且价值与财务口径精准对齐时，规模化部署的条件将完全成熟，人机共存的全新生态或将全面到来。
2025-12-12 20:36:38
665
原创 35岁程序员转行大模型：是危机还是转机？前景分析与转型指南
35岁转行大模型，看似危机，实则是职业生涯的重要转机。技术变革期往往是重新洗牌的机会，资深程序员凭借丰富的经验和快速学习能力，完全可以在新领域建立竞争优势。大模型技术仍处于早期阶段，就像2000年代的互联网和2010年代的移动互联网，未来还有巨大的发展空间和可能性。现在入局，不仅能抓住当前的技术红利，更能为未来十年的职业生涯奠定基础。转型之路不会一帆风顺，需要克服学习曲线、适应新思维模式、可能还会面临短期薪资调整。但长远来看，掌握大模型技术将成为软件工程师的核心竞争力，这种投资终将获得丰厚回报。
2025-12-12 20:35:17
879
原创 AI Agent为何突然爆火？一文讲透它的原理与未来
想象你的冰箱不仅能自动补货，还会根据你的浏览记录建议改用杏仁奶——这就是AI Agent的魔力！简单来说，AI Agent是具备自主决策能力的智能系统，它能：✅ 感知环境✅ 处理信息✅ 做出行动就像一名全能型数字助理，它不再局限于简单的互动响应。
2025-12-12 20:34:32
625
原创 揭秘AI智能体：20个核心概念带你深入理解AI Agent
智能体（Agent）是整个AI系统的核心概念。简单来说，智能体是一个能够自主感知环境、做出决策并执行行动的实体。想象一下，如果你的手机助手不仅能回答问题，还能主动帮你安排日程、处理邮件、甚至预订餐厅，这就是一个典型的AI智能体。智能体的关键特征是自主性——它们不需要人类的持续指导就能完成任务。这种自主性使得AI系统能够在复杂的现实世界中独立运作，大大提高了效率和实用性。理解这20个核心概念，你就掌握了AI智能体的基本原理。从简单的反射机制到复杂的多智能体协作，每个概念都是构建智能系统的重要组成部分。
2025-12-12 20:33:13
956
原创 程序员转行为什么这么难，2025年强烈建议程序员转行大模型试
文章解析程序员转型四大困境：路径依赖、高薪成本、技能单一和他人期望。在大模型时代，掌握AI大模型技术可提供高薪就业机会和职业发展新路径。文章提供完整学习路线和资源，帮助程序员突破转型瓶颈，实现薪资上浮10%-20%，并为未来创新创业奠定基础。在“大龄程序员的未来在何方”这篇文章里比较乐观地介绍了程序员保持竞争力的几个方向，但现实依然是残酷的：很多人将不得不离开软件开发工作，转型去从事其他职业。当你要这么做时，就会感慨：想不到一切竟如此艰难！你不禁会想起李白老先生的诗：噫吁嚱，危乎高哉！
2025-12-11 19:28:45
662
原创 AI的下半场：智能体（Agent）将如何重塑我们所有的应用
智能体（Agent）是一个能够代表用户，以高度独立性完成任务（Workflow） 的系统。它能理解用户目标，自主选择行动路径，并利用外部工具执行任务。简单来说，它是“能帮你做事的AI”，而不仅仅是“能和你聊天的AI”。比如你告诉它“帮我分析最新销售数据，并生成周报”，它不会仅仅生成报告模板，而会：1.查询数据库 → 2. 分析关键指标 → 3. 生成图表 → 4. 写出总结报告 → 5. 邮件发送。这就是一个完整的 Agent工作流闭环。智能体真正的价值来自它能“动手”。类型作用示例。
2025-12-11 19:27:00
1026
原创 金融机构如何落地智能体？16个头部企业Agent最佳实践
在此背景下，沙丘智库发布《2025年金融业智能体最佳实践报告》，深入分析智能体为金融行业带来的变革与挑战，金融业（包括银行、保险、证券等金融机构）智能体的建设进展与应用场景等，帮助金融机构了解这一新兴市场；文章分析了智能体在金融领域的应用场景及面临的挑战，并提供了多个金融机构的智能体应用案例，为金融业智能体发展提供参考。· 动态协作下，智能体可以根据环境或任务的需求灵活调整其行为和合作方式，提供了更好的灵活性，但也引入了更多的不确定性，使系统行动更难预测和控制，导致可靠性较低。方向不对，努力白费。
2025-12-11 19:25:29
766
原创 解构多智能体系统，一篇就够了。
我认为无论是 agent 还是 multi agent system，构建原型都远比构建一个可以长期运行，不需要太多人工介入的 pipeline 简单的多。所以，在构建好原型后，如何走完从原型到产品的这最后一公里呢？科学的评估与可靠的工程化。第一步是评估，如何 agent 进行有效的评估？agent 和传统的数据结构算法或者业务代码不同。传统的软件执行通常有明确的大致（多线程/多进程可能没那么固定）可预期的步骤，比如：给定输入 X，系统应遵循路径 Y 产生输出 Z。
2025-12-11 19:24:29
681
原创 多模态RAG技术总结及知识图谱构建分割+抽取+验证三阶段思路
RAG作为一种范式，可以灵活扩展，可以来个暴力组合，写综述。变成从文本RAG到多模态输入-文本输出，再到多模态输入-多模态输出的一个演进。这块，看一个技术总结，如《》，https://doi.org/10.36227/techrxiv.176341513.38473003/v2，https://github.com/INTREBID/Awesome-MM-RAG，所有可能使用的模态组合作为输入和输出，包括文本、图像、音频、视频、代码、表格、知识图谱、3D 对象等。一共54个。看几个点。
2025-12-11 19:23:36
611
原创 程序员转行AI大模型必备教程：从入门到精通，手把手告诉你我是如何做到的
在人工智能（AI）迅速发展的背景下，从传统的编程领域如Java程序员转向大模型开发是一个既充满挑战也充满机遇的过程。对于 Java 程序员来说，这也是一个实现职业转型、提升薪资待遇的绝佳机遇。一、明确大模型概念简单来说，大模型就是具有大量参数和强大计算能力的人工智能模型，可以处理各种复杂的任务，如自然语言处理、图像识别等。想象一下，大模型就像是一个超级聪明的大脑，能够理解和处理各种信息。二、转行步骤第一步：学习基础知识。了解机器学习、深度学习的基本概念和原理，掌握常见的算法和模型架构。
2025-11-26 16:29:58
604
原创 【必学】从零开始学LoRA：大模型微调成本暴降99%的原理
想象你要搬家，有一堆大箱子要搬运。传统微调就像把每个箱子里的东西全倒出来重新整理，费时费力。而LoRA的做法更聪明：它发现大部分箱子其实不需要动，只需要在上面贴几张标签就够了。
2025-11-22 22:18:17
858
原创 程序员转行为什么这么难，2025年强烈建议程序员转行大模型试试_程序员转行机会成本太高_程序员转行为什么这么难,2025 年强烈建议程序员转行大模型试试
同时课程详细介绍了。
2025-11-21 18:41:25
1616
原创 2025年最新！后端程序员转行AI大模型学习路线，大模型入门到精通，超详细！_后端转ai agent
1.1 工程能力的降维打击后端程序员固有的系统架构设计、高并发处理及运维部署经验可直接迁移至AI应用开发：大模型服务的API化本质与微服务架构高度契合（如模型推理的异步队列设计）分布式系统经验可直接应用于模型训练集群管理（GPU资源调度、故障转移）容器化技术栈（Docker/K8s）无缝衔接大模型部署场景1.2 工具链的快速适配后端开发者的技术栈与大模型开发工具链存在天然交集：Python生态主导地位：FastAPI构建模型服务接口 vs Flask/Django后端开发经验数据库技能迁移：关系型数据
2025-11-21 18:40:21
1084
原创 程序员转行AI 应用赛道太香了！！（附攻略+资源）
除了 AI 入门课程，我还给大家准备了非常全面的**「AI 大模型面试题」，**包括字节、腾讯等一线大厂的 AI 岗面经分享、LLMs、Transformer、RAG 面试真题等，帮你在面试大模型工作中更快一步。教程从当下的市场现状和趋势出发，分析各个岗位人才需求，带你充分了解自身情况，get 到适合自己的 AI 大模型入门学习路线。，规划属于你自己的大模型学习路线，并且专门提前收集了大家对大模型常见的疑问，集中解答所有疑惑。行业迭代快，从事多年传统项目开发，想凭着技术赚钱，没想到，！
2025-11-18 18:46:59
704
原创 2026大模型的发展趋势是什么？
5.更细粒度的token分析，的地得aanthe，标点符号，更多pattern挖掘，新时代挖煤，异构数据分布情况下荒漠化植树，不影响原参数情况下midtrain，改变地形地貌的大规模rl。从原理出发真正入局大模型。更大rollout，256的大小对于百亿级空间完全是大海里舀了一瓢水，1w的rollout，10w的rollout效果会大幅提升，硬件是最大制约。模型的发展，一直都是信号挖掘和硬件的暴力史，短期的tricks各种估计远不如信号挖掘精确，经典rl一直没变，变的只是更细信号挖掘和更大的硬件，
2025-11-18 18:38:50
609
原创 2026年，中美大模型的差距会变大还是变小？
除了 AI 入门课程，我还给大家准备了非常全面的**「AI 大模型面试题」，**包括字节、腾讯等一线大厂的 AI 岗面经分享、LLMs、Transformer、RAG 面试真题等，帮你在面试大模型工作中更快一步。这个叫KOSMOS的AI Scientist可以用12小时完成人类科学家6个月的工作量，读1500篇论文，写42000行分析代码，提出几个正在被实验室验证的新发现。从原理出发真正入局大模型。两个代理通过世界模型交换信息，前者发现的线索会引导后者的分析方向，后者的发现又会触发新一轮的文献深挖。
2025-11-18 18:36:23
455
原创 美国ai大模型方向的公司 远程兼职？
10月14日调整，因为招聘投入和收益不成比例，所以想做的最好自己把terminal bench了解清楚，我本身自己的事情一大堆都忙不过来了，根本没太多精力投入到这事情上面，这个事情文档很多，又都是英文，要求很多，其实对第一次搞的人难度挺大的，没钱拿花那么多时间做个测试说不过去我也能理解，所以基本只能找那种一眼就能看明白要做什么的，效率很高的可以完成任务的。从原理出发真正入局大模型。教程从当下的市场现状和趋势出发，分析各个岗位人才需求，带你充分了解自身情况，get 到适合自己的 AI 大模型入门学习路线。
2025-11-18 18:35:29
287
原创 前端 AI 自动化测试：brower-use 调研
Browser-Use 是一个开源的 Python 库，旨在让 AI 能够自主地与网页进行交互。该项目允许用户通过自然语言描述任务，AI 通过 Chrome DevTools Protocol（CDP 协议） 执行 Chrome/Chromium 浏览器复杂的网页操作，如网页导航、表单填写、数据提取、在线购物等。
2025-11-12 19:03:12
809
原创 AI Coding 长文分享：如何真正把工具用起来，从原理到实践的深度指南
我们知道，大模型的本质工作是读取token然后吐出token，并没有长出手来修改代码，也并不知道我们的私人仓库里有什么（因为不在它的训练集中），这些问题都需要“工具调用”能力来解决，也就是常说的Function Call。跟项目绑定的Rule，它的本质是在.git的同级目录下维护一个.cursor的目录，在这里面存放自定义的规则文本，然后在每次会话时根据你的设置，决定要不要把这些内容贴到上下文中。需要注意的是，这个规则的更新不是实时生效的，可能要等10分钟左右，推测这里也用到了RAG，离线进行索引构建。
2025-11-12 19:01:06
808
原创 评估工程正成为下一轮Agent演进的重点
这种方式最大的优势在于能把模型/Agent 的自动化评估纳入了传统数据处理流水线，使得评估与数据分析、A/B 测试、观测天然融合，形成数据采集->自动化评估（包括数据预处理、评估和数据后处理）->构建新的数据集->后训练的数据飞轮。随着大模型迈过拐点，评估方法进入第三阶段，LLM-as-a-Judge，其核心思想是让模型学习人类的主观偏好，即利用一个功能强大的大型语言模型（通常是前沿模型）来扮演裁判的角色，对另一个 AI 模型（或应用）的输出进行评分、排序或选择，即用魔法打败魔法。
2025-11-11 19:13:02
990
原创 AI Agent的未来之争：任务规划，该由人主导还是AI自主
我们收集整理了RDS过去10多年运维形成的各类场景SOP，总结分析了过去一年的几千工单并形成案例库，构造50多种异常场景，对比自主规划和人类规划两种agent的准确率，在多轮测试中，人工规划的agent能够在多种场景中精确分析到具体根因，而自主规划的agent对于相同表象，不同根因的异常场景，反而无法做到精确划分根因，经常将“果”做“因”，得出笼统结论。同时，企业部署AI Agent时往往是带着明确的场景，有对应的企业知识库、SOP等语料，有确定性的流程，这些特性也决定了人工规划的可行性。
2025-11-11 19:12:11
581
原创 【AI+医疗】知识图谱与大语言模型融合：破解生物医学AI的黑盒难题！
本文探讨了大语言模型在生物医学研究中的局限性，提出了通过知识图谱增强LLM可解释性的解决方案，并详细介绍了统一KG-LLM框架在生物自然语言处理中的应用前景和实践价值。
2025-11-08 22:50:42
1033
原创 大模型面试必考点：PPO/DPO/GRPO/DAPO算法演进全解析！
最近看大模型方向的秋招面经，发现一个很有意思的现象：面试官们对 PPO、DPO、GRPO、DAPO 简直是“爱不释手”，几乎成了大模型岗的必考题。我去知乎或者翻博客想搞懂这几个“O”的演进关系时，往往一头扎进复杂的数学公式里，看得头皮发麻。为什么我们先有了 PPO，又去卷 DPO，现在怎么又冒出来个 GRPO 和 DAPO？它们到底在解决什么问题？今天我们就来扒一扒大模型偏好对齐（Alignment）算法的演进内幕。不讲复杂的公式推导，我们只聊核心逻辑：它们到底在解决什么痛点，又引入了什么新坑？提到 RLH
2025-11-08 22:39:51
812
原创 大模型 Transformer推理结构简析（Decoder + MHA）_transformer推理过程
AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习_，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了帮助大家打破壁垒，快速了解大模型核心技术原理，学习相关大模型技术。从原理出发真正入局大模型。在这里我和MoPaaS魔泊云联合梳理打造了系统大模型学习脉络，这份LLM大模型资料。
2025-11-06 14:57:03
1051
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