共 129 篇相关文章

聚焦大模型应用工程师面试核心考点,涵盖智能体架构、Multi-Agent、Langfuse评估追踪、安全机制、RAG优化等六大方向,附简历优化策略,助你高效备战AI工程师岗位面试。

手把手教你用Cherry Studio、MCP协议和Ollama搭建本地AI智能体与知识库,涵盖环境配置、文件操作、网页爬取、终端控制及本地RAG知识库全流程,数据不出本地,隐私有保障。

市面上AI Agent开发教程良莠不齐,如何挑选真正能产出项目、写进简历的课程?本文总结5条核心筛选标准:完整交付链路、可入简历项目、真实开发视角、更新频率与陪跑反馈,帮助转行者找到靠谱的学习路径。

还在为LLM学习资源分散、进阶路径不清晰而困惑?本文梳理从基础理论到专题深入的完整学习路径,涵盖Karpathy系列、斯坦福CS224N、DeepLearning.AI、Hugging Face等高质量课程推荐,并给出RAG、微调、Agent等专题学习建议。

AI人才缺口持续扩大,大模型开发成为高薪新赛道。本文详解零基础学习大模型的三阶段路线:Python与Transformer基础→Agent与LLM核心模块→微调与私有化部署,助你系统入门、拿到AI offer。

MCP(模型上下文协议)是AI大模型连接外部工具与数据源的标准化协议,被誉为AI时代的"USB-C接口"。本文从大模型商业化困局出发,深度解析Function Calling、RAG、Agent的演进脉络,带你彻底搞懂MCP的诞生背景与核心价值。

深入解析AI Agent与工作流的本质区别,揭示大模型从"思考层"到"执行层"的能力跃迁。涵盖Agent工作机制、任务拆解、企业降本增效价值及Python+LangChain开发实践,助你快速掌握智能体开发核心技术。

深入解析Agent Skills(AI技能)的核心概念与文件结构,涵盖SKILL.md、references、scripts、assets四大组成,对比提示词的本质区别,帮你从零构建专属AI技能包。

深入解析LangChain框架核心定位、架构原理与学习路径。涵盖RAG应用开发、智能体(Agent)构建、版本选择(0.3/1.0)及六大核心组件,帮助Java/Python开发者快速掌握大模型应用开发技能,轻松应对15K+岗位需求。

扣子(Coze)vs Dify全面对比:从部署方式、数据安全到上手难度,解析两大AI智能体平台核心差异。个人开发者选扣子还是企业选Dify?一文帮你理清选型思路,避开新手常见坑。

Claude Code不用RAG而用Grep搜索代码,背后是对代码检索场景的深刻洞察。本文详解RAG在代码场景的四大痛点,揭示Agentic Search的真实工作原理,以及Anthropic团队放弃向量检索的完整原因。

Anthropic官方开源的Claude Cookbooks项目收录大量可运行Jupyter Notebook示例,涵盖RAG、Tool Use、多模态处理等核心场景,助力开发者快速掌握Claude API最佳实践,加速AI应用落地。

时间有限却想系统学习AI?本文为在职IT人梳理从AI应用工程、Prompt工程到RAG、Agent的实用学习路径,推荐DeepLearning.AI等高性价比资源,帮你用最短时间构建可落地的AI工程能力。

想转行AI却屡屡碰壁?本文分享一条经过验证的AI Agent工程师落地路线:稳定调用大模型、掌握工具调用、工程化落地、精准包装简历,帮你少走半年弯路,拿下高薪offer。

系统拆解AI智能体(Agent)开发学习路线,涵盖基础原理、RAG知识库、工具调用、多智能体协作到实战项目四大阶段,帮助零基础学习者建立清晰的Agent开发能力体系。

会调API不等于AI工程师。本文拆解AI应用开发工程师的完整能力结构,涵盖Python基础、大模型微调、Agent开发、企业级实战项目四大模块,附四阶段学习路线,助你系统进阶。

系统学习DeepSeek Agent开发全流程:涵盖Prompt工程、ReAct框架、工作流编排、本地部署与业务需求拆解,帮助零基础学习者和在职技术人员打造可商用的AI智能体项目。

系统学习ChatGLM大模型开发,涵盖Transformer原理、RAG检索增强生成、私有化部署、模型微调及智能Agent开发,配套学习路线图与实操案例,帮助开发者快速掌握大模型工程师核心技能栈。