网站开发行业信息网咸宁市网站建设

网站开发行业信息网,咸宁市网站建设,个人建立网站要多少钱,想做网站开发兼职目录 我的AI深度探索与创作之路 一、AI知识体系构建 二、283篇笔记的目的 三、创作与学习的相互增强效应 四、2026#xff1a;从技术实践到行业赋能 五、结语 我的AI深度探索与创作之路 【鄙人的2025简介】 ▲2月#xff1a;deepseek的“AI炸弹”可以说是掀起了国内的A…目录我的AI深度探索与创作之路一、AI知识体系构建二、283篇笔记的目的三、创作与学习的相互增强效应四、2026从技术实践到行业赋能五、结语我的AI深度探索与创作之路【鄙人的2025简介】▲2月deepseek的“AI炸弹”可以说是掀起了国内的AI浪潮那时的我对于AI领域的了解也只是一个探索者的身份但这波浪潮对于我来说也是一场机遇。▲2月中旬鄙人也开始涌入“AI浪潮”中。在2月剩下的这段时间里我整理了一个大概的学习路线在3月发布了我的第一篇CSDN博客文章▲3月到6月每天都在根据预定计划在学习相关的理论知识从最初的模型API调用、什么是RAG、Prompt构建、什么是拟合、微调是什么、怎么评估模型...专业名词和理论在最开始对于鄙人来说就是天书但仔细想想如果要学扎实理论的坎过不了实践就得“over”所以对于我来说这个阶段是相对枯燥痛苦的因为所有专业名词和理论我都得查一遍做好笔记不过在这个过程中对我的实践策略也提供了很多灵感▲直到12月我的技术身份已经完成了从“AI学习者”到“AI应用开发实践者”的蜕变。从LangChain的基础概念到复杂Agent系统的设计从理论框架的理解到实际项目的落地283篇线上学习笔记、26个系统化专栏10几个项目的实践学习并且也收获1600粉丝的关注和42万浏览量虽然不多但是在这一年当中我过得很充实。接下来的内容是鄙人的学习心得虽然不是啥正经内容但看到这相信阁下也不是啥正经人如有冒犯请相信我不是故意的我是真心实意的亲一、AI知识体系构建2025年初时我的学习还处于碎片化阶段——今天研究Prompt工程明天尝试微调技巧。三月的一个深夜我构建了第一个RAG项目但是那时并没有太多理论架构概念所以导致启动和响应速度都慢出天际这也让我突然顿悟没有体系化的理解和理论基础就无法构建可靠且好用的AI应用。这个认知让我重新规划了学习路径。我创建了“深度学习【理论】”系列专栏一点一点系统性地梳理了从基础到进阶的基础理论概念。以下是鄙人的学习阶段按4层结构划分第一层专业名词与理论基础这是我构建的第一个专栏记录了从名词解析到场景策略前期花了很多时间去扫盲记性不好有时忘了也方便复习第二层框架基础LangChain和LlamaIndex是我最先接触的两个AI开发框架从最基础理论架构学习、RAG构建流程再到技术栈的堆叠策略。LangChain以链Chains和智能体Agents为中心。不只是链式调用而是思考如何将复杂任务模块化。适用于需要动态任务编排执行的场景LlamaIndex以数据为中心专注于如何高效地将私有数据注入LLM构建简单便捷。非常适用于知识检索场景【实践简历】以下是RAG的构建基础流程与问题LangChain用DocumentLoaders加载文档TextSplitters分割文本VectorStore进行存储和检索最后用RetrievalQA链完成问答。我熟悉了它的模块化设计流程但也为调试复杂链中偶尔不透明的错误而头疼。LlamaIndex用SimpleDirectoryReader读取数据一键构建VectorStoreIndex然后通过as_query_engine()进行查询。它对RAG任务的“开箱即用”检索精度高但在想让AI做一些检索之外的复杂动作时又有些束缚。这两个框架都有着自己的优势同时也存在着一定的缺点但如果想要在对应场景更完美的适配不仅需要合适的工具还需要结合高效的策略算法硬件等因素。这也让我明白AI应用开发中“用好工具是基础执行策略是核心”的道理于是在后面的学习过程中学习“开发策略”挂在了我的核心日程。第三层架构升级有了前面两个框架的实践Langgraph框架的学习在也是轻松些。大体开发形式大差不差不过Langgraph可以构建“图示”流程节点让执行流程能够更透明工具调用编排更灵活。LangGraph是 LangChain 生态中用于构建有状态、多步骤、可循环的AI工作流的核心框架。将AI工作流可视化、可调试、可复用。Agent系统设计从单智能体到多智能体协作的演进路径。第四层专业深化MCP模型控制协议让AI应用具备可预测的行为模式三种协议形式stdio、sse、streamable http模型微调实战从数据准备到评估指标的完整闭环【实践简历】结合第三、四阶段的实践学习我也有了更加明确的开发思路于是我结合Langgraph、Agent、MCP、RAG去构建了一个精密的智能管理系统。在这个过程中我遇到了很多问题数据收集及切片策略、MCP工具协同调用、知识量化存储策略、检索精度等。每个问题对于我来说可能都需要花上大量时间去查阅参考好的方案策略再结合自身场景进行构建这个过程可能会很慢但在解决了某个问题的时刻一切也便值了二、283篇笔记的目的283篇笔记对于我而言不是在“创作内容”而是在“记录思考过程”也是前行的过程。相信对于大部分开发者都是一样博客笔记是必不可少的东西当然能多点粉丝我也是不介意的在实践学习的这个过程中我好像开始享受上了这个过程虽然有时看到成篇代码和理论内心活动是“看不懂思密达阿巴阿巴”不过待我稍微修整调理一波再来杯上好的龙井枸杞鄙人又是那个聪明绝顶的神秘男子说明还有头发并且非常茂密每一篇笔记都是一个小型实验报告问题驱动从实际开发中遇到的具体问题出发方案对比尝试至少两种解决方案记录各自的优劣场景适配失败记录详细记录调试过程中的错误假设和弯路抽象总结从具体案例中提炼通用模式三、创作与学习的相互增强效应今年最大的收获是发现了创作与学习之间的正反馈循环写博客倒逼深度理解为了解释清楚一个概念我必须比“自己会用”理解得更深一层分享获得反馈读者的疑问和挑战暴露了我知识体系的盲区盲区驱动新学习带着具体问题去研究效率远高于泛泛学习新学习产生新内容形成可持续的内容创作循环这个过程让我从一个“技术消费者”逐渐转变为“技术生产者”。现在阅读论文时我不再只是吸收知识而是会思考这个技术可以解决什么实际问题如何设计演示项目怎样向不同背景的开发者解释核心思想总而言之在学习技术本身时提出问题并找到问题的解决方案这个过程在我实践的过程中已经数不清了但是也让我真正意义上理解了“举一反三”的魅力所在虽然这是一个看似简单的过程但一个有价值的问题胜过百个模糊的想法。这是我在这一年当中的所得到的一个答案来个上价值的结论人类社会的发展离不开科技而科技发展的起点来源于“问题”本身。四、2026从技术实践到行业赋能展望新的一年先定个小目标技术深度深入Agent自主性和多模态理解的前沿领域计划通过开源项目实践最新的研究论文。行业融合收集AI在垂直行业如教育、医疗、制造的深度应用模式撰写行业解决方案白皮书查阅参考优质策略方案。知识沉淀将283篇笔记系统化为《AI应用开发知识图谱》构建可交互的学习路径。但更重要的是我希望继续践行今年的核心发现真正的技术成长不在于掌握多少工具而在于形成解决问题的系统化思维。五、结语2025年从探索者到开发者的这段过程我过得很充实从技术到架构思维再到生活。每天想的一件事应该就是“如何优化”这件事也成为了我目前的一个目标。每天都有新模型、新框架、新概念涌现。从LangChain到LangGraph从单Agent到多Agent系统从API调用到底层微调MCP、DEEPAgent...技术的更新和时间一样快...还没好好感受一下2025就快过了对于我来说2025的生活记忆应该是一片空白往年的相册上百今年的相册到年末了都凑不出“九宫图”虽然我还是挺喜欢摄影的但是这个爱好只能先存着了。接下来的几年AI革命的发展趋势只会更加迅猛但在这条路上我也将保持学习者的心态继续前行向各位技术大佬学习。最后感谢这一年陪伴我的1600位同行者你们的每一次阅读、点赞、评论都是对一个AI实践者的真实鼓励。特别感谢那些提出问题的读者让我避免了成为“表面光鲜的技术复读机”。在这个快速变化的技术世界深度和系统性是应对复杂性的最好锚点。这是我2025年最深刻的技术领悟也是我写给2026年自己的寄语。承蒙各位未来路上一路前行。