Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

java程序员怎么转型大模型算法工程师

Answer

以下是为 Java 程序员转型大模型算法工程师提供的一些建议：

  1. 学习相关理论知识：了解大模型的基本原理，包括模型架构、预训练及微调、部署及推理等。
  2. 掌握技术工具：熟悉 LLM 相关技术，如 Transformer、Prompt Tuning、RLHF、Langchain、Agent、MOE、RAG 等。
  3. 提升编程能力：熟悉算法和数据结构，具备扎实的编程基础，尤其是 Python 开发。
  4. 积累项目经验：
    • 可以参考大圣的全网最适合小白的 Llama3 部署和微调教程，该教程手把手教您下载并部署 Llama3 模型，使用甄嬛数据集微调模型，并了解微调的意义和概念。但需注意，此教程不会讲解微调的技术性原理及文中用到的 Python 代码。
    • 关注招聘信息，例如序智科技和中国移动设计院的招聘需求，了解大模型算法工程师的职责和要求，针对性地提升自己的能力。
  5. 增强相关技能：
    • 对至少 2 个框架具备源码级别的理解和优化能力，包括但不限于 Langchain、XAgent、ChatDev、DsPy、AutoGPT、BabyAGI、MetaGPT。
    • 熟悉 GPT Function Calling 原理，熟练掌握 Prompt Engineering。
    • 对预训练/微调（尤其是微调）熟练，熟练掌握 huggingface/deepspeed（或其他框架）。
    • 对多模态大模型有一定了解，精通低代码平台会是加分项。

您可以根据自身情况，有针对性地进行学习和实践，逐步实现从 Java 程序员向大模型算法工程师的转型。

Content generated by AI large model, please carefully verify (powered by aily)

References

大圣：全网最适合小白的 Llama3 部署和微调教程

本文的核心代码全部参考如下开源项目：[GitHub-datawhalechina/self-llm:《开源大模型食用指南》基于Linux环境快速部署开源大模型，更适合中国宝宝的部署教程](https://github.com/datawhalechina/self-llm/tree/master)[heading1]一、引言[content]大家好，我是大圣，一个致力于使用AI技术将自己打造为超级个体的程序员。作为一名程序员，我对大模型技术是非常向往的，但是因为是非科班出身，一直迟迟没有动手。在Llama3出来之后，我萌生了微调的想法，我的目的很简单，不是为了学习多么高深的知识，而是让自己先入门。入门最好的方式就是直接上手实操，这是也是之前的一系列教程中所强调的理念。由于市面上没有找到专门针对我们纯小白的教程，所以这篇教程就来啦！这篇教程的亮点教你如何购买算力，不再为本地电脑的配置不够而发愁手把手教你下载并部署Llama3模型，以前都是玩别人部署的，这次咱们玩自己的！)使用甄嬛数据集微调Llama3模型，并且针对微调后的模型进行实验了解微调的意义和概念但是这篇教程不会讲解微调的技术性原理以及文中会用到的Python代码。原因很简单，因为我是一位Java开发工程师，里面的代码我都是靠GPT4.0帮我读的另外这篇教程需要你充值50块钱，不过不是给我哦，是购买算力的预充值。我不想因为50块钱把你劝退，所以这里我要多说一句，免费的才是最贵的。看完我的教程，你绝对会认为这50块钱花的很值OK，都交代清楚，大家按照决定是否要继续享用，废话不多少，我们直接开始

最近招聘信息-持续更新中

[heading4]序智科技-算法/后端/前端正式&实习职责:负责公司网站、移动应用等前端产品的开发和维护，与产品、设计、后端等团队紧密合作,实现产品需求，优化前端性能,提升用户体验要求:1.计算机相关专业本科及以上学历2.3年以上前端开发经验,有大型网站或应用开发经历者优先3.精通HTML、CSS、JavaScript等前端技术,熟悉主流前端框架如React、Vue、Angular等4.熟悉响应式设计、跨浏览器兼容性、Web性能优化等，熟练使用tailwind框架优先。5.熟练掌握常见打包工具链，如webpack、vite等6.有移动端开发经验优先三.大模型Agent算法工程师工作职责：（1）训练/微调大模型，支持Agent系统。（2）调用GPT4 API进行前沿Agent框架设计。硬性要求：（1）对至少2个框架具备源码级别的理解+优化能力，包括但不限于Langchain,XAgent,ChatDev,DsPy,AutoGPT,BabyAGI，MetaGPT（2）熟悉GPT Function Calling原理，熟练掌握Prompt Enginnering（3）对预训练/微调（尤其是微调）熟练，熟练掌握huggingface/deepspeed（或其他框架）加分项：对多模态大模型有一定了解，精通低代码平台欢迎推荐或自荐简历至tong000tong@126.com，或飞书与我@张晓桐联系发布时间：5月1日

最近招聘信息-持续更新中

中国移动设计院招聘需求（代招）：办公地点：北京海淀中关村需求一AI算法工程师：数量：1名学历：本科及以上资历：5年及以上要求：1、对系统全局调优和预测性维护有一定建模基础2、具有机器学习、深度学习相关项目实践经验，熟悉至少一种算法3、熟悉相关深度学习框架如Tensorflow，能够快速实现研究及设想4、负责AI在智能数据中心、智能网络领域应用研发移动设计院招聘需求需求二大模型开发工程师数量：1名学历：本科及以上资历：5年及以上岗位要求：1、参与大模型技术研究、大模型微调、大模型智能体研发、基于大模型的应用研发等工作；2、大模型相关的数据工程，包括预训练数据、微调数据、行业数据挖掘等；3、大模型相关的落地实现：如推理优化、部署、AI-Agent、工具学习、领域大模型等；技能要求：1、了解大模型基本原理，包括不限于模型架构、模型预训练及微调、模型部署及推理；2、熟悉LLM相关技术，如transformer,prompt tuning,RLHF,langchain,Agent,MOE,RAG等；3、熟悉算法和数据结构，熟悉常用的编程语言，有较好的Python开发经验，编程基础扎实；4、了解或掌握机器学习、深度学习基本算法原理，熟悉AI建模流程，在NLP领域有开发经验优先；5、了解熟悉大模型常用训练框架、推理架构；了解分布式计算、并行计算。[heading4]联络方式：[content]飞书与@史鹏飞联系

Others are asking
java程序员，怎么吧AI结合到公司的业务上去，K12教育公司
对于 Java 程序员将 AI 结合到 K12 教育公司的业务中，以下是一些可能的方向和建议： 首先，可以考虑利用自然语言处理技术来改善学生与学习平台的交互体验。例如，开发智能客服，能够自动回答学生和家长常见的问题，提高服务效率。 其次，通过机器学习算法对学生的学习数据进行分析，从而实现个性化的学习推荐。比如根据学生的学习进度、成绩、学习习惯等因素，为他们推荐适合的课程、练习和学习资源。 另外，运用图像识别技术来辅助教学材料的制作和评估。例如，自动识别和批改学生的手写作业、试卷等。 还可以开发智能辅导系统，为学生提供实时的学习指导和答疑服务。 最后，利用语音识别和合成技术，打造有声读物、语音教学等功能，丰富教学形式。 但在将 AI 引入业务的过程中，需要注意数据的安全性和合法性，以及确保技术的可靠性和稳定性。同时，要充分考虑教育的特点和学生的需求，以实现有效的融合和应用。
2025-02-23
有java scala hadoop spark flink开发经验员工入门AI 学习提纲以及对应学习内容
以下是为有 Java、Scala、Hadoop、Spark、Flink 开发经验的员工提供的 AI 入门学习提纲及对应学习内容： 1. 学习资源推荐： 系统化学习：观看李弘毅老师的生成式 AI 导论、吴达的生成式 AI 入门视频等，并整理学习笔记与大家交流互动。 社区共创学习：参与社区共创活动，通过做小项目反向推动学习。 参考资料：A16Z 推荐的 AI 相关原理内容，包括 GPT 相关知识、Transformer 模型运作原理、大语言模型词语接龙原理等基础知识。 官方 cookbook：open AI 的官方 cookbook，小琪姐做了中文精读翻译。 历史脉络资料：整理 open AI 的发展时间线、万字长文回顾等。 2. 学习路径： 从提示词开始学习与各类模型的对话，了解其重要性和结构化提示词的优势。 学习过程中可以先从国内模型工具入手，不花钱，若想进阶再考虑高阶方向。 3. 其他学习方式： 创作者将内容做成可视化形式，后续会发到群里。 上传相关 PPT 用作参考。 从温达、李弘毅老师课程等学习入门。 了解时代杂志评选的百位领军人物。 学习 AI 相关名词解释，如 AGI、AIGC、agent、prompt 等，可通过与 AI 对话或李继刚老师的课程来理解。 订阅赛博蝉星公众号、国外优质博主的 blog 或 Twitter 等获取最新信息并投稿。 参与社区活动，如 AIPU、CONFIUI 生态大会、每月的切磋大会、新活动 AIPO 等。
2025-02-21
大模型在软件开发公司（主java+vue）的应用场景有哪些
大模型在以 Java 和 Vue 技术为主的软件开发公司中，具有以下一些应用场景： 1. 代码自动生成：大模型可以根据需求描述生成 Java 或 Vue 的代码片段，提高开发效率。 2. 代码优化建议：分析现有代码，提供优化的建议和策略，提升代码质量。 3. 智能错误检测与修复：快速识别代码中的错误，并提供可能的修复方案。 4. 需求分析与理解：帮助更好地理解和梳理复杂的业务需求，转化为技术实现的思路。 5. 自动化测试用例生成：根据代码和需求生成有效的测试用例，提高测试效率和覆盖度。 6. 技术选型辅助：在面临新的项目或技术难题时，提供相关技术选型的参考和建议。
2025-02-06
35岁java后端开发如何转型AI开发
对于 35 岁的 Java 后端开发人员转型 AI 开发，以下是一些建议： 1. 利用固定格式文档结合 AI 进行代码开发时，要强调组员的主观能动性，让他们自主设计，组长负责引导和经验分享。文档并非唯一最佳方式，可尝试用简短描述或 Prompt 辅助代码生成。在 AI 编程中，设计非常重要，模块化低耦合设计和清晰的上下文对代码生成效果尤为关键。参考链接： 2. 借助 AI 编程工具（如 Cursor），熟悉 LLM 原理，探索复杂 Prompt 和定制化规则。开展 LLM 相关的 Side Project（如翻译工具、AI 对话应用等），通过实践快速掌握技能。将 AI 当老师，边做边学，获取即时反馈，持续提升。核心建议是行动起来，找到正反馈，坚持使用 AI 辅助编程。参考链接：
2025-01-29
Java 程序员如何从 0 到 1 开发微调模型
以下是 Java 程序员从 0 到 1 开发微调模型的步骤和相关信息： 准备工作： 假设您已经按照相关说明准备了训练数据。 使用 OpenAI CLI 进行微调： 1. 明确从哪里 BASE_MODEL 开始的基本模型的名称（如 ada、babbage、curie 或 davinci），您可以使用后缀参数自定义微调模型的名称。 2. 运行相关命令，该命令会执行以下操作： 使用文件 API 上传文件（或使用已经上传的文件）。 创建微调作业。 流式传输事件直到作业完成（这通常需要几分钟，但如果队列中有很多作业或您的数据集很大，则可能需要数小时）。 关于基本模型： 每个微调工作都从一个默认为 curie 的基本模型开始。模型的选择会影响模型的性能和运行微调模型的成本。您的模型可以是 ada、babbage、curie 或 davinci。请访问定价页面了解有关微调费率的详细信息。 微调作业的时间： 开始微调作业后，可能需要一些时间才能完成。在系统中，您的工作可能排在其他工作之后，训练模型可能需要几分钟或几小时，具体取决于模型和数据集的大小。如果事件流因任何原因中断，您可以通过运行特定命令恢复它。工作完成后，它应该显示微调模型的名称。 微调的优势： 1. 比即时设计更高质量的结果。 2. 能够训练比提示中更多的例子。 3. 由于更短的提示而节省了 Token。 4. 更低的延迟请求。 微调的步骤： 1. 准备和上传训练数据。 2. 训练新的微调模型。 3. 使用您的微调模型。 可微调的模型： 微调目前仅适用于以下基础模型：davinci、curie、babbage 和 ada。这些是原始模型，在训练后没有任何说明（例如 textdavinci003）。您还可以继续微调微调模型以添加其他数据，而无需从头开始。 安装建议： 建议使用 OpenAI 命令行界面。要安装这个，运行相关指令（以下说明适用于 0.9.4 及更高版本。此外，OpenAI CLI 需要 python 3）。通过将相关行添加到您的 shell 初始化脚本（例如.bashrc、zshrc 等）或在微调命令之前的命令行中运行它来设置您的环境变量。 此外，还有“大圣：全网最适合小白的 Llama3 部署和微调教程”，其核心代码全部参考如下开源项目： 。该教程有诸多亮点，如教您如何购买算力，手把手教您下载并部署 Llama3 模型，使用甄嬛数据集微调 Llama3 模型等，但不会讲解微调的技术性原理以及文中会用到的 Python 代码，且需要您充值 50 块钱购买算力的预充值。
2025-01-04
我是一个java开发工程师，现在想学习AIGC，请帮我制定一个学习计划，从0到1学习AIGC知识，并提供相关的学习资料
以下是为您制定的从 0 到 1 学习 AIGC 知识的学习计划，并为您提供相关学习资料： 一、学习计划 1. 基础知识学习 了解 AIGC 的基本概念和发展历程。 学习机器学习的基础知识，包括数据获取、特征工程、模型训练、评估与应用等方面。 2. 框架学习 学习 Langchain 框架：了解其丰富的功能，能够根据需求更换模型和实现方式。参考网址：https://python.langchain.com/docs/get_started/introduction.html 掌握 Flask / FastAPI 框架：学习如何与前端或业务后端做接口对接，根据具体场景选择合适的框架。参考网址： FastAPI：https://fastapi.tiangolo.com/zh/ Flask: https://flask.palletsprojects.com/en/2.3.x/ 3. 实践应用 通过实际项目练习，深入理解 AIGC 的应用开发。 二、学习资料 1. 关于机器学习的定义和流程： 卡耐基梅隆大学计算机学院教授汤姆·米切尔（Tom Michell）对机器学习的定义：“计算机程序能从经验 E 中学习，以解决某一任务 T，并通过性能度量 P，能够测定在解决 T 时机器在学习经验 E 后的表现提升” 学习数据获取、特征工程、模型训练、评估与应用等方面的知识。 2. 框架学习资料： Langchain 框架：https://python.langchain.com/docs/get_started/introduction.html Flask 框架：https://flask.palletsprojects.com/en/2.3.x/ FastAPI 框架：https://fastapi.tiangolo.com/zh/ 希望这个学习计划和学习资料对您有所帮助，祝您学习顺利！
2024-08-17
我不会写代码，怎么像个程序员一样利用ai帮我写代码
如果您不会写代码但想利用 AI 帮您写代码，可以参考以下方法： 1. 对于编程小白来说，最好向 AI 提供代码节点中的范例，也就是新进入代码节点的 IDE 中所看到的那些代码（从 async def 到 return 的内容）。因为 AI 可能并不清楚代码中规定的输入输出格式（比如代码节点的 Python 语言使用字典的形式来组织输入和输出的变量），所以提供范例可以尽可能减少您需要对 AI 所写代码的改动。 2. 需要向 AI 说清楚输入变量与输出变量的类型。 3. 最好说明与工作流中匹配或想要的变量名称，以减少二次修改。 4. 最好列出输入变量的具体书写形式，以方便 AI 尽可能准确地理解。如果是 Object 或 Array 这样较为复杂的形式，您不会写，可以使用下面这个方法：在前一个节点后接一个“文本处理”节点，选择字符串拼接，输入选择前一个节点输出中所需的那个变量，拼接内容写{{String1}}就行，然后试运行，展开该节点的运行结果，复制最终输出中“output:”后面的内容即可，如果内容太长，提问时可省略不重要的具体内容，保留书写形式即可。 5. 说清楚代码要实现什么功能，如果功能较为复杂，尽量将运行逻辑说清楚，越清楚越好。描述中尽量用变量名称来指代所涉及到的各个变量。 这里给出一个提问范式供大家参考： 请仿照上述代码的结构，用 python 编写代码，实现以下功能： 输入变量为。 输出变量为。 。关键步骤请附上注释。 另外，如果您在处理 SQL 代码时不会写，也可以让 AI 帮忙。例如，您可以将以下内容发送给 AI：学习这个文档 https://www.coze.cn/docs/guides/database，然后帮我撰写用于工作流的 sql。之后按照 AI 的回复要求提供具体需求，如数据库表名称、操作类型、相关字段等，AI 会为您生成相应的 SQL 语句。 在使用代码节点时，即使您不是程序员，也可以让 AI 帮您写代码。但要先搞清楚输入和输出以及想要代码实现的逻辑。比如在处理谷歌搜索节点的输出作为 Code 节点的输入时，要先了解相关字段，如 link（网址）、title（标题）、snippet（简短介绍）、source（来源）等。
2025-03-08
程序员在使用AI的时候会涉及哪些AI工具，帮我分别具体列举出来
程序员在使用 AI 时，可能会涉及以下一些 AI 工具： 1. GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出，支持多种语言和 IDE，能为程序员快速提供代码建议，帮助提高编写代码的效率。 2. 通义灵码：阿里巴巴团队推出，基于通义大模型，提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成等多种能力。 3. CodeWhisperer：亚马逊 AWS 团队推出的由机器学习技术驱动的代码生成器，为开发人员实时提供代码建议。 4. CodeGeeX：智谱 AI 推出的开源免费 AI 编程助手，基于 130 亿参数的预训练大模型，可快速生成代码。 5. Cody：代码搜索平台 Sourcegraph 推出的 AI 代码编写助手，借助强大的代码语义索引和分析能力，了解开发者的整个代码库。 6. CodeFuse：蚂蚁集团支付宝团队为国内开发者提供的智能研发服务的免费 AI 代码助手，基于蚂蚁集团自研的基础大模型进行微调。 7. Codeium：一个由 AI 驱动的编程助手工具，通过提供代码建议、重构提示和代码解释来帮助软件开发人员提高编程效率和准确性。 此外，还有一些其他相关的 AI 工具，如： 1. ChatAll：可以同时与多个 AI 机器人实时聊天的开源工具，支持多种主流 AI 聊天机器人。 2. AIProductsAllInOne：整理了一些 ChatGPT 以及 AI 相关的生产力工具。 3. Shell GPT：在命令行中集成了 ChatGPT，帮助快速编写 shell 命令、代码片段等。 4. 飞书 GPT：集成了飞书、GPT3.5、Dall·E、Whisper 等 API，支持多种功能。 5. ChatPDF：提取 PDF 文件内容并交给 ChatGPT 分析，实现一对一对话交流。 6. GitHub Copilot X：基于 AI 驱动的跨时代代码编辑器，带来全新编程体验。 在 PPT 制作方面，有以下 AI 工具： 1. MindShow 2. 爱设计 3. 闪击 4. Process ON 5. WPS AI 每个工具都有其特色和适用场景，程序员可以根据自己的需求选择最适合的工具。
2025-03-07
通义灵码AI程序员
通义灵码是基于通义大模型的 AI 研发辅助工具，具有以下特点和能力： 提供代码智能生成、研发智能问答、多文件代码修改、自主执行等能力，为开发者带来智能化研发体验，引领 AI 原生研发新范式。 具备多文件代码修改和工具使用的能力，可与开发者协同完成编码任务，如需求实现、问题解决、单元测试用例生成、批量代码修改等。 核心能力包括：从片段级到多文件级的 AI 编码，能完成涉及工程内多文件级的编码任务；新增多种上下文感知、意图理解、反思迭代、工具使用等能力，开发者可与 AI 协同完成更复杂的编码任务；自动完成工程内多个文件的代码修改的 Diff 生成，并提供多文件的变更审查视图，高效完成 AI 生成代码的确认；构建人机协同工作流，通过多轮对话逐步完成编码任务，产生多个快照版本，可任意切换、回退。 第二期「AI 实训营」手把手学 AI 【第二期：大咖带你快速上手通义灵码 AI 程序员】相关信息： 讲师：梦飞，WaytoAGI Agent 核心创作者，词元映射 CEO。 课表： 01/22 20:00 【直播回放】 ，主题为0 基础入门篇：写代码像聊天一样简单，可以进入钉钉群获取更多文档：https://alidocs.dingtalk.com/i/nodes/yQod3RxJKGvvkP3rfj5Lgoy7Jkb4Mw9r?utm_scene=person_space ，课程内容包括 AI 编程的能力与边界、通义灵码上手指南、一句话 AI 编程小游戏展示。 01/23 20:00 【直播回放】 ，主题为AI 编程实战篇：人人都能“福从天降”，课程内容包括 0 基础带练“福从天降”小游戏、自然语言生成更多小游戏、如何在 Github 部署并生成在线链接。 本期共学直播地址： 会议时间：20:00 21:30 会议 ID：932 264 694 会议链接：vc.feishu.cn/j/932264694 加入通义灵码钉钉共学群（钉钉群号：78080029971），大咖在线答疑。春节专题，现场发红包！2 天课程，带你从小白到进阶，从学习到实践，全面了解 AI 应用开发！和百万开发者一起共学、共享、共实践！
2025-03-07
通义灵码AI程序员
通义灵码是基于通义大模型的 AI 研发辅助工具，具有以下特点和能力： 提供代码智能生成、研发智能问答、多文件代码修改、自主执行等能力，为开发者带来智能化研发体验，引领 AI 原生研发新范式。 具备多文件代码修改和工具使用的能力，可与开发者协同完成编码任务，如需求实现、问题解决、单元测试用例生成、批量代码修改等。 核心能力包括：从片段级到多文件级的 AI 编码，能完成涉及工程内多文件级的编码任务；新增多种上下文感知、意图理解、反思迭代、工具使用等能力，开发者可与 AI 协同完成更复杂的编码任务；自动完成工程内多个文件的代码修改的 Diff 生成，并提供多文件的变更审查视图，高效完成 AI 生成代码的确认；构建人机协同工作流，通过多轮对话逐步完成编码任务，产生多个快照版本，可任意切换、回退。 第二期「AI 实训营」手把手学 AI 【第二期：大咖带你快速上手通义灵码 AI 程序员】相关信息： 讲师：梦飞，WaytoAGI Agent 核心创作者，词元映射 CEO。 课表： 01/22 20:00 【直播回放】 ，主题为0 基础入门篇：写代码像聊天一样简单，可以进入钉钉群获取更多文档：https://alidocs.dingtalk.com/i/nodes/yQod3RxJKGvvkP3rfj5Lgoy7Jkb4Mw9r?utm_scene=person_space ，课程内容包括 AI 编程的能力与边界、通义灵码上手指南、一句话 AI 编程小游戏展示。 01/23 20:00 【直播回放】 ，主题为AI 编程实战篇：人人都能“福从天降”，课程内容包括 0 基础带练“福从天降”小游戏、自然语言生成更多小游戏、如何在 Github 部署并生成在线链接。 本期共学直播地址： 会议时间：20:00 21:30 会议 ID：932 264 694 会议链接：vc.feishu.cn/j/932264694 加入通义灵码钉钉共学群（钉钉群号：78080029971），大咖在线答疑。春节专题，现场发红包！2 天课程，带你从小白到进阶，从学习到实践，全面了解 AI 应用开发！和百万开发者一起共学、共享、共实践！
2025-03-07
python程序员 学习AI
对于 Python 程序员学习 AI，以下是一些建议和基础内容： AI 背景知识： 基础理论：理解人工智能、机器学习、深度学习的定义及相互关系。 历史发展：简要回顾 AI 的发展历程和重要里程碑。 数学基础： 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：掌握向量、矩阵等基本概念。 概率论：了解基础的概率论知识，如条件概率、贝叶斯定理。 算法和模型： 监督学习：熟悉常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：了解聚类、降维等算法。 强化学习：知晓其基本概念。 评估和调优： 性能评估：掌握如何评估模型性能，包括交叉验证、精确度、召回率等。 模型调优：学会使用网格搜索等技术优化模型参数。 神经网络基础： 网络结构：理解神经网络的基本结构，如前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 激活函数：熟悉常用的激活函数，如 ReLU、Sigmoid、Tanh。 此外，还有相关的课程内容，如“和 Cursor AI 一起学 Python 编程”： 第一节：Python 是什么、Cursor 使用、notebook 远程编程。包括熟悉 Cursor 界面，安装和设置，指导下载安装 Cursor 编辑器，了解界面布局和基本功能，编写第一个程序，体验 AI 辅助功能，如代码自动补全和错误提示，使用 Bohrium 进行远程编程，注册和登录，在线编写和运行代码等。课程时间为 45 分钟，教学内容涵盖 Python 简介、发展历史和特点、在数据分析和人工智能领域的优势、在人文学科的应用、在语言教学和研究中的实际案例，以及对 Cursor 编程环境和 Bohrium 在线编程平台的介绍。
2025-02-26
AI程序员
以下是关于 AI 程序员的相关信息： 通义灵码 AI 程序员： 基于通义大模型的 AI 研发辅助工具，提供代码智能生成、研发智能问答、多文件代码修改、自主执行等能力，为开发者带来智能化研发体验，引领 AI 原生研发新范式。 具备多文件代码修改和工具使用的能力，可以与开发者协同完成编码任务，如需求实现、问题解决、单元测试用例生成、批量代码修改等。 核心能力包括：从片段级到多文件级的 AI 编码，能完成涉及工程内多文件级的编码任务；新增多种上下文感知、意图理解、反思迭代、工具使用等能力，可与开发者协同完成更复杂的编码任务；自动完成工程内多个文件的代码修改的 Diff 生成，并提供多文件的变更审查视图，高效完成 AI 生成代码的确认；构建人机协同工作流，通过多轮对话逐步完成编码任务，产生多个快照版本，可任意切换、回退。 第二期「AI 实训营」： 本期共学直播地址：会议时间为 20:00 21:30 ，会议 ID 为 932 264 694，会议链接为 vc.feishu.cn/j/932264694 。 课程内容包括快速上手指南，零基础互动练习（通过一句话生成小游戏案例，轻松上手），GitHub 部署实战（学会如何部署并生成在线链接，让项目更专业）。2 天课程，带你从小白到进阶，从学习到实践，全面了解 AI 应用开发，和百万开发者一起共学、共享、共实践。 大圣： 主业程序员，目前在杭州，老家河北，有个 2 岁的宝贝女儿。 AI 超级个体打造者，专注于 AI Agent、AI 编程以及 AI 写作领域。 热爱写作、分享，擅长将复杂的 AI 知识讲解得通俗易懂。 当下在做的事：计划一年内将自己的工作流全部 AI 化，实现十倍提效。目前的工作流主要包括阅读&写作、自媒体个人 IP、做公开课程&付费课程、女儿日常陪伴。 个人宝藏：
2025-02-26
所以我可以理解为CNN是一种图像分类识别的AI算法技术吗
卷积神经网络（CNN）是一种用于图像分类识别的 AI 算法技术。 ImageNet 成为深度神经网络革命的首选数据集，其中由 Hinton 领导的 AlexNet 就是基于卷积神经网络（CNN）。自 2012 年以来，在深度学习理论和数据集的支持下，深度神经网络算法大爆发，包括卷积神经网络（CNN）等。 连接主义的全面逆袭从 2012 年开始，欣顿教授和他的学生建立的 AlexNet 就是使用反向传播算法训练的卷积神经网络（CNN），其在图像识别方面击败了当时最先进的逻辑程序。 虽然 CNN 模型取得了显著成果并解决了许多问题，但也存在一些缺陷，如不能从整幅图像和部分图像识别出姿势、纹理和变化，池化操作导致模型不具备等变、丢失很多信息，需要更多训练数据来补偿损失，更适合像素扰动极大的图像分类，对某些不同视角的图像识别能力相对较差。因此，在 2011 年，Hinton 和他的同事们提出了胶囊网络（CapsNet）作为 CNN 模型的替代。
2025-03-07
假如你是一名测试工程师，要写一个关于《AI智能体输入输出验证》专利申请书，申请书的内容包括以下几点： 1、发明名称（一种xxxxxxxx算法/架构/设计/外观等等等等） 2、发明背景技术 3、具体的技术方案描述 4、本发明的有益效果
以下是为您生成的关于《AI 智能体输入输出验证》的专利申请书内容： 发明名称：一种基于 Coze 工作流的 AI 智能体输入输出验证算法 发明背景技术： 在当前的 AI 应用中，构建和测试智能体的功能至关重要。特别是在处理复杂的任务，如生成思维导图时，需要确保输入和输出的准确性和有效性。然而，现有的技术在配置子任务节点和验证其可用性方面存在不足，导致效率低下和结果不稳定。 具体的技术方案描述： 1. 对于生成思维导图的任务，首先确定处理方式为“单次”，因为一次精读任务仅需生成一张思维导图。 2. 在输入方面，<generateTreeMind>插件节点仅需设置{{query_text}}变量，格式为 string 字符串，通过引用“标题、导语、大纲”节点的{{enTreeMind}}变量来提供输入。 3. 在输出方面，观察输出区的众多字段，根据字段名称、「查看示例」中的示例说明或试运行来确定所需的字段。对于生成图片格式的思维导图，确定 pic 为所需的输出。 4. 完成任何一个节点的配置后，进行试运行测试。具体步骤包括：点击「测试该节点」，按格式要求输入待测试的内容（对于 array 等其他格式，自行对话 AI 或搜索网络确认格式要求），点击「展开运行结果」，检查输入、输出项是否有误。若有误，依次检查“测试输入内容”、“节点配置”以及优化“提示词”，以提升对生成内容的约束力。 本发明的有益效果： 1. 提高了 AI 智能体在处理生成思维导图等任务时输入输出配置的准确性和效率。 2. 通过明确的步骤和规范的测试流程，有效减少了错误和不确定性，提升了智能体的稳定性和可靠性。 3. 能够更好地满足用户在复杂任务中的需求，为相关领域的应用提供了更优质的解决方案。
2025-03-04
用lua语言写一个a星算法
很抱歉，目前知识库中没有关于用 Lua 语言编写 A 星算法的相关内容。但我可以为您提供一个 A 星算法的基本框架和思路，您可以根据这个来尝试用 Lua 语言实现： A 星算法是一种在图形中寻找最短路径的常见算法。以下是其基本步骤： 1. 初始化 创建开放列表和关闭列表。 将起始节点添加到开放列表，并设置其 g 值（从起始节点到当前节点的实际代价）为 0，f 值（f = g + h，其中 h 是从当前节点到目标节点的估计代价）为 h 值。 2. 主循环 从开放列表中取出 f 值最小的节点作为当前节点。 将当前节点从开放列表移到关闭列表。 对于当前节点的所有相邻节点： 如果相邻节点在关闭列表中，跳过。 计算相邻节点的 g 值（通过当前节点的 g 值加上从当前节点到相邻节点的代价）。 如果相邻节点不在开放列表中，将其添加到开放列表，并设置其 g 值和 f 值。 如果相邻节点已经在开放列表中，且新计算的 g 值更小，更新其 g 值和 f 值。 3. 找到目标节点 当目标节点被添加到关闭列表时，算法结束。通过从目标节点回溯到起始节点，即可得到最短路径。 希望以上内容对您有所帮助，祝您成功实现用 Lua 语言编写 A 星算法。
2025-02-19
大语言模型、多模态、数据、算力、算法、预训练、微调、RAG、自注意力机制、transformer、token、神经网络、向量、scaling law这些内容的含义
以下是对您所提到的这些内容含义的解释： 大语言模型：是一种基于大量文本数据进行训练的语言处理模型，其工作原理包括训练数据、算力、模型参数等。在训练数据一致的情况下，模型参数越大能力越强。 多模态：指能够处理多种不同类型的数据模态，如文本、图像、音频等，并将它们融合进行理解和生成。 数据：是大语言模型训练和应用的基础，包括各种文本、图像、音频等信息。 算力：指用于支持大语言模型训练和运行的计算能力。 算法：是大语言模型实现各种功能的数学和逻辑方法。 预训练：在大语言模型中，先在大规模数据上进行无特定任务的初步训练。 微调：基于通用大模型，针对特定领域任务提供数据进行学习和调整，以适应特定领域的需求。 RAG：检索增强生成，通过引用外部数据源为模型做数据补充，适用于动态知识更新需求高的任务。其工作流程包括检索、数据库索引、数据索引、分块、嵌入和创建索引、增强、生成等步骤。 自注意力机制：是 Transformer 架构中的重要部分，能理解上下文和文本关联，通过不断检索和匹配来寻找依赖关系，处理词和词之间的位置组合，预测下一个词的概率。 Transformer：是大语言模型训练架构，用于翻译等任务，具备自注意力机制。 Token：在自然语言处理中，是文本的基本单位。 神经网络：是大语言模型的基础架构，模拟人脑神经元的连接和信息处理方式。 向量：在大语言模型中，用于表示文本等数据的数学形式。 Scaling Law：关于大语言模型规模和性能之间关系的规律。
2025-02-18
大语言模型、多模态、数据、算力、算法、预训练、微调、RAG、自注意力机制、transformer、token、神经网络、向量、scaling law这些内容的含义
以下是对您所提到的这些内容含义的解释： 大语言模型：是一种基于大量文本数据进行训练的语言处理模型，其工作原理包括训练数据、算力、模型参数等。在训练数据一致的情况下，模型参数越大能力越强。 多模态：指能够处理多种不同类型的数据模态，如文本、图像、音频等，并将它们融合进行理解和生成。 数据：是大语言模型训练和应用的基础，包括各种文本、图像、音频等信息。 算力：指用于支持大语言模型训练和运行的计算能力。 算法：是大语言模型实现各种功能的数学和逻辑方法。 预训练：在大语言模型中，先在大规模数据上进行无特定任务的初步训练。 微调：基于通用大模型，针对特定领域任务提供数据进行学习和调整，以适应特定领域的需求。 RAG：检索增强生成，通过引用外部数据源为模型做数据补充，适用于动态知识更新需求高的任务。其工作流程包括检索、数据库索引、数据索引、分块、嵌入和创建索引、增强、生成等步骤。 自注意力机制：是 Transformer 架构中的重要部分，能理解上下文和文本关联，通过不断检索和匹配来寻找依赖关系，处理词和词之间的位置组合，预测下一个词的概率。 Transformer：是大语言模型训练架构，用于翻译等任务，具备自注意力机制。 Token：在自然语言处理中，是文本的基本单位。 神经网络：是大语言模型的基础架构，模拟人脑神经元的连接和信息处理方式。 向量：在大语言模型中，用于表示文本等数据的数学形式。 Scaling Law：关于大语言模型规模和性能之间关系的规律。
2025-02-18
如何基于你的模型对一台工业设备（钢板划线印字装备）进行故障诊断和预测性维护，从以下几个方面进行分析 1.技术栈：数据采集与通讯，数据库，算法，前端，微服务、应用等，并进行软件选型 2.硬件选型：工业设备、边缘计算设备，软件部署硬件，分别列出性能最优和国产化替代方案 3.算法创新性：要求可发表高水平论文和申请发明专利 4.算法通用性：考虑如何通过一个通用模型经过简单配置适应不同船舶建造工业设备的故障诊断和预测性维护 5.考虑前后合理性，若以此进行招标，如何描述招标内容
以下是为您整合的相关内容： Transformer 模型和 BERT 模型： 模型训练与评估：定义模型后，传递训练数据集和验证数据集及训练时期数，训练完成后评估性能，如达到 85%准确率。 模型性能可视化：绘制准确性和随时间的损失图。 保存与加载模型：使用 model.save 方法导出并保存模型到本地路径，保存后可加载进行预测。 预测示例：对不同情感的评论句子进行预测。 部署模型到 Vertex AI：检查模型签名，上传本地保存的模型到 Google Cloud 存储桶，在 Vertex 上部署模型并获得在线预测。 提示工程： 策略：将复杂任务分解为更简单的子任务。 技巧：使用意图分类识别用户查询中最相关的指令。例如在故障排除场景中，根据客户查询分类提供具体指令，如检查路由器连接线、询问路由器型号、根据型号提供重启建议等。模型会在对话状态变化时输出特定字符串，使系统成为状态机，更好控制用户体验。 OpenAI 官方指南： 战术：将复杂任务拆分为更简单的子任务。 策略：使用意图分类来识别与用户查询最相关的指令。例如在故障排除场景中，基于客户查询分类向 GPT 模型提供具体指令。已指示模型在对话状态变化时输出特殊字符串，将系统变成状态机，通过跟踪状态等为用户体验设置护栏。
2025-02-12
微软认证AI工程师
以下是关于微软认证 AI 工程师的相关信息： MQ 老师是知乎的 AI 讲师，考过了国家工信部、微软、讯飞三个初级人工智能工程师证书，在教育行业工作 15 年以上，过去半年一直在探索教育场景中的 AI 实践。 胡凯翔是微软、讯飞认证提示词工程师，曾担任破局俱乐部企业培训和 AI+教育行动营教练，共创有约 10 万字 AI+教育手册。 韦恩是微软提示词工程师，智能体创业者，WayToAGI 共建者，多平台 Agent 开发者，企业级 AI Agent 定制专家，荣获多家 AI 开发平台的比赛奖项，有 12 年程序开发背景，是多家企业的 AI 落地顾问。
2025-03-02
软件工程师如何从ai上获得帮助
软件工程师可以从以下几个方面在 AI 上获得帮助： 1. 辅助编程的 AI 工具： GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出，支持多种语言和 IDE，能快速提供代码建议。 通义灵码：阿里巴巴团队推出，提供多种编程相关能力。 CodeWhisperer：亚马逊 AWS 团队推出，由机器学习技术驱动，提供实时代码建议。 CodeGeeX：智谱 AI 推出的开源免费工具，基于大模型可快速生成代码。 Cody：Sourcegraph 推出，借助强大的代码语义索引和分析能力为开发者服务。 CodeFuse：蚂蚁集团支付宝团队提供的免费 AI 代码助手。 Codeium：由 AI 驱动，提供代码建议、重构提示和代码解释等帮助。 更多工具可查看：https://www.waytoagi.com/category/65 。每个工具功能和适用场景不同，可根据需求选择。 2. 生成性 AI 作为助手：模型在大量代码库上训练，在编码时给出建议，但要注意生成代码的正确性，在提高生产力的同时限制生成量以检查正确性。例如 GitHub Copilot 帮助提高了开发人员的生产力，估计增长在 2 倍或更少的范围内。 Sam Altman 的三点观察表明： 1. AI 模型的智能大致等于用于训练和运行它的资源的对数，预测这一规律的缩放定律在多个数量级上都准确。 2. 使用给定水平的人工智能的成本每 12 个月下降约 10 倍，较低价格导致使用量大幅增加。 3. 社会经济上线性提升智力的价值具有超指数性质，这一结果导致看不到指数式投资在不久将来会停止的理由。 未来可能会推出人工智能代理，如软件工程师代理人，虽然存在一些不足，但仍可能产生重大影响。生成性 AI 作为程序员助手是最早应用之一，成果出色，但相对于图像生成，生产力提升相对较小，且要注意代码正确性。
2025-02-22
如何从0到1成为AI工程师
要从 0 到 1 成为 AI 工程师，您可以参考以下步骤： 1. 基础学习： 掌握计算机科学的基本概念，通过 CS50 课程和专门的 Python 资源学习 Python 编程技巧。 2. 机器学习基础： 学习基础的机器学习方法，建立扎实基础并培养处理数据的直觉。 巩固数学基础，包括微积分、线性代数和概率论。若能学习数值计算和优化则更好。 3. 深度学习技术： 选择优秀的深度学习课程，如 Yann Le Cun 的纽约大学讲座、fast.ai 或 deeplearning.ai 的深度学习专精课程深入学习。 4. MLOps 技能： 从 fullstackdeeplearning 学习 MLOps 技能。如有需要，可先通过 fullstackopen 学习软件工程的基本知识，包括 web 开发、分布式系统、DevOps 和关系数据库。 5. 专业发展： 寻找感兴趣的领域，通过构建和完善作品集来发展专业技能。可以从 Hugginface 的课程开始，深入挖掘兴趣方向，完成有趣的项目和论文并展示在 GitHub 上。 此外，您还可以关注以下资源和活动： 1. Reddit 上的 Claude Sonnet 3.5 代码编写提示词模板 V2 版本，其有详细解释和引导式思维链，包含代码审查、规划、输出、安全审查 4 个步骤。 2. 参加第二期「AI 实训营」，如“大咖带你快速上手通义灵码 AI 程序员”的共学直播，通过零基础互动练习、GitHub 部署实战等方式学习。 3. 学习 Code AI 应用开发，以证件照应用为例，了解其背景、现状和学习创建应用的过程，包括操作界面、业务逻辑和用户界面等。
2025-02-12
软件行业质量体系工程师可以用AI做什么
软件行业质量体系工程师可以利用 AI 实现以下转变和拓展工作： 1. 需求分析师可转变为 AI 洞察翻译官，未来能利用 AI 分析海量数据以揭示隐藏的用户需求，技能需向数据分析、用户心理学和商业洞察力转型。 2. 系统架构师可转变为创新架构策略师，未来设计能适应快速变化和 AI 集成的灵活架构，技能要向前沿技术跟踪、跨学科知识整合和创新思维转型。 3. 开发工程师可转变为 AI 协作编程专家，未来与 AI 结对编程，专注于创新性和复杂逻辑的实现，技能要向 AI 工具应用、算法优化和创造性问题解决转型。 4. 测试工程师可转变为质量战略专家，未来设计高级测试策略，处理 AI 无法覆盖的边缘情况，技能要向测试策略设计、用户体验评估和风险管理转型。 5. 运维工程师可转变为系统优化专家，未来专注于系统整体优化和异常情况处理，技能要向性能调优、安全加固和智能监控系统设计转型。 6. 项目经理可转变为价值流优化专家，未来专注于价值交付和团队协作效率的提升，技能要向精益管理、跨职能团队协调和持续改进转型。 此外，AI 在生成测试用例方面具有显著优势，能自动化和智能化生成高覆盖率的测试用例，减少人工编写测试用例的时间和成本。AI 在医疗保健、金融服务、零售和电子商务、制造业、交通运输等行业也有广泛应用，例如医学影像分析、药物研发、风控和反欺诈、产品推荐、预测性维护等方面。
2025-02-11
软件质量工程师可以使用AI做什么
软件质量工程师可以利用 AI 实现以下几个方面的工作： 1. 生成测试用例：AI 能够自动化和智能化地生成高覆盖率的测试用例，从而减少人工编写测试用例的时间和成本，提高测试效率、增强测试覆盖率并发现潜在问题，提升软件质量和用户体验。 2. 转型为质量战略专家：设计高级测试策略，处理 AI 无法覆盖的边缘情况。技能转型方面，需要掌握测试策略设计、用户体验评估和风险管理。 需要注意的是，以上内容由 AI 大模型生成，请仔细甄别。
2025-02-11