登录社区云，与社区用户共同成长
邀请您加入社区
摘要：2012 年 8 月 13 日，我注册了这个 CSDN 账号，彼时还是个刚入行的 Java 新人，攒着代码片段、分享小工具。一晃 14 年过去，从企业级 ITMS 系统到北京创业的风口挣扎，从外包驻场到科研 AI 领域，我终于重新捡起这个老号，用 AI 助力，把 14 年的技术沉淀、踩坑经验、成长故事，重新整理成可复用的技术资产。本文是我的重启宣言，也是给所有老程序员的一封回信：技术人，永远
AI日记：Agent与openclaw有什么区别
2025-2026年AI工具层正经历重大转向：从MCP（连接能力）到Skills（结构化能力），再到CLI（确定性执行）的三阶段演进。头部企业纷纷强化命令行工具，因其具备确定性、可观测性、可组合性及生态继承优势，能解决AI Agent执行落地的核心痛点。这一趋势并非技术倒退，而是工程理性的回归——将LLM的智能决策、Skills的任务抽象与CLI的稳定执行分层融合。当前AI应用层人才缺口巨大，掌握
你有没有过这种经历：你为了修复 Case A，调整了一句 Prompt，结果 Case A 修好了，原本完美的 Case B、C、D 却突然崩了？这种按下葫芦浮起瓢的“打地鼠”游戏，在过去两年的 LLM 产品研发中，简直是我的噩梦。在传统软件开发里，改一行代码，有单元测试（Unit Test）兜底；但在 AI 开发里，很多人还在靠“Vibe Check”——也就是俗称的“凭感觉测”。随便问几个问题
摘要 本文记录了作者裸辞转行AI大模型方向的完整经历，分为缘起、准备和面试三部分。转行动机源于对职业价值的追求和AI领域的潜力，导火索是DeepSeek的爆发。虽然裸辞，但做了充分准备：系统学习底层原理、完成落地项目、分享学习笔记，并做好经济、心态和环境准备。面试阶段分析了自身优劣势，最终获得多个offer。作者总结面试关键在于：深入理解原理、熟悉简历内容、保持良好心态、优化简历匹配度。文章最后指
如果你的经验不完全匹配也不必担心，但需要说明你的背景如何与这些工具相关联，并表达学习意愿。期望的回答可能包括：参与的在线社区、订阅的出版物、阅读的书籍（例如《Test-Driven Development for Embedded C》）、贡献的开源项目，或在 Microchip University 学习的课程。例如，分享你从 OpenVX 实现（用于 CV/ML 硬件抽象层）、音频处理、资源受
Java是一种面向对象的编程语言，最初由Sun Microsystems于1995年发布。它具有跨平台性，即一次编写，到处运行的能力。这是通过Java虚拟机（JVM）实现的，使得Java程序可以在不同的操作系统上运行，只要有对应平台的JVM。Java被广泛用于企业级应用、移动应用开发（Android平台）、嵌入式系统等领域。它的语法和结构受到了C++语言的影响，但相对于C++而言，Java更注重简
工作日精进：晚上开了个关于openclow得扫盲培训，主要是关于如可使用openclow提升研发效率。这个小龙虾最近很火，主要是它真能帮人干活，我也在本地装了试了下，还真能帮我清理工作邮件，很是高效。后面关于skill的使用不是很了解，后面再研究研究。今日感悟：晚上，突然刷到张雪峰去世的消息，很是惊讶，一个教育界很火的大活人，就这么没了？先养成规律作息的习惯。
AI大模型工程师必知必会之OpenClaw从零基础小白到精通企业级项目实战！面试突击+简历指导+就业辅导一套视频让你直拿大厂offer！
在最近 Google Cloud Tech 发布的一篇内容中，作者 Shubham Saboo 和 Lavini Nigam 提出了一个非常重要的转变：Agent开发的核心，已经从“格式规范”转向“能力设计”。
OpenClaw，前身叫 Clawdbot，因商标纠纷数次改名，吉祥物是一只龙虾，在 72 小时内积累了超过 6 万 GitHub Star，随后飙升至 24 万，成为 GitHub 有史以来增速最快的项目之一，近期已经突破30万 star，火遍大江南北。
这场面试让我深刻体会到，设计一个 Ai Agent 远不止训练一个模型那么简单。它需要融合规划、记忆、工具、多智能体协作、工程优化等多个领域知识。每一个环节都有无数细节需要打磨，但也正是这些挑战让这个领域充满魅力。
职场英语 #面试英语 #实用英语口语 #外企求职 #英语场景对话 #商务英语 #口语练习 #英语学习。・communication skills /kəˌmjuːnɪˈkeɪʃn skɪlz/：沟通能力。・bachelor's degree /ˈbætʃələz dɪˈɡriː/：学士学位。求职者：我的沟通能力比较强，之前负责的项目中，成功推动了三个海外客户签约。・experience /ɪkˈs
这个月做了一个智能差旅助手Agent，整体架构如下：
这些“不完美”的现实，正是我们这些老兵存在的价值。 既然 AI 已经能完成一大半重复性工作，那咱们刚好把手腾出来，去解决那些 AI 解决不了的、复杂的、带有人性的业务痛点。
摘要： Unsloth是一个开源框架，旨在降低大语言模型（LLM）微调的门槛，解决显存占用高、训练速度慢、流程复杂等问题。通过优化Triton内核和手动反向传播，它在消费级GPU（如RTX 3060）上实现高效微调，支持500+模型，包括Llama、Qwen等，并提供可视化Web UI和强化学习支持。核心优势包括零精度损失、显存节省35%、训练速度提升12倍，并覆盖从数据准备到模型部署的全流程。适
近年来，随着多模态大语言模型（MLLM）的快速发展，研究者们开始尝试将其应用于通用多模态检索任务。与此同时，思维链（Chain-of-Thought，CoT）推理被引入检索领域，通过增强模型的推理能力来改善候选结果的排序。
后训练（Post-Training）是指在预训练模型的基础上，针对特定的任务或数据集进行额外的训练。这个阶段通常涉及到微调（Fine-tuning）和对齐 （Alignment），即调整预训练模型的参数以适应新的任务。黑色： 预训练阶段红色： 后训练阶段紫色： 推理测试阶段为什么要进行后训练？
目前 Agent 业内对 HITL 没有统一的、明确的定义。通常情况下，在 Agent loop 中，有两种情况需要 human 参与。一是需要人工审批，一个 tool 是否应该使用特定参数被调用。一是需要人的输入，作为 tool result 存在于 LLM 上下文中。LangChain 定义的 HITL 特指执行 tool call 之前的用户审批（确认要不要执行这个 tool）。Claude
面试官：大模型多轮对话怎么实现？聊久了上下文太长，该怎么优化？
2022 年底 ChatGPT 出来之后，身边越来越多的人在做 AI 相关的东西。但你打开那些教程，要么是一堆数学公式，要么上来就是各种框架名词——LangChain、LangGraph、RAG、Agent——根本不知道从哪里入手。或者你已经会调 API 了，但一到真实项目就卡住：- 为什么换了几个词，模型输出质量就天差地别？- Agent 跑起来了，但一直在绕圈子，不知道怎么调？- RAG 知识
与传统AI相比，AI智能体最大的区别在于"行动能力"。传统大模型像是一个"知识库"——你问它答，最多帮你生成一段文字。规划能力：将复杂任务分解为多个步骤执行能力：调用外部工具完成实际操作反思能力：根据结果反馈优化后续行动记忆能力：记住上下文和历史交互简单来说，智能体 = 大脑（推理能力）+ 手（执行能力）+ 记忆（上下文保持）。2026年被称为"AI Agent元年"，智能体正从"工具"转变为"同
本文介绍了大模型与Agent结合的AI应用架构，包括智能体架构图、中台架构图、服务架构图等。作者智哥，前大厂AI产品负责人，分享AI智能体产品实践经验和实战案例，强调让人感觉不到AI存在的AI理念。文章提供多种架构图供参考，并附有学习资料包、面试题和交流群等福利，适合想要入门AI智能体的程序员和小白学习。
摘要： 张雪峰的离世引发对创业者健康的深刻反思。当前一人公司及出海SaaS开发者常陷入"高效率陷阱"，用透支身体换取短期产出，却忽视长期可持续性。创业不是冲刺赛而是马拉松，真正的竞争力在于稳定运营能力而非短期爆发。健康不是创业成本，而是核心本金——一旦身体崩溃，业务将瞬间停摆。AI工具提升效率的同时，也加剧了自我压榨的风险。创业者需警惕将熬夜、硬扛美化为"自律&quo
AI Agent的架构设计并非“越复杂越好”，而是贴合业务需求的最优解。单Agent模式是入门基础，ReAct是推理核心，Plan-and-Execute解决长任务问题，Reflection提升输出质量，多Agent协作实现规模化，人机协同保障高风险场景的安全性。未来，AI Agent架构的发展方向将围绕轻量化、智能化、协同化展开：模型侧将实现小模型与大模型的高效协作，架构侧将实现多Agent的自
摘要：本文作为系列文章的终章，超越技术层面探讨AI时代管理的本质。作者指出，管理者不会被AI取代，因为管理的核心是人性而非控制。AI擅长逻辑与效率，但无法提供情感支持、价值判断和战略直觉——这些正是人类管理者的独特价值。未来的管理者将成为"半人马"，结合人类智慧与AI算力，专注于创新、决策和团队建设。技术是工具而非目的，管理者应坚守"用技术服务人"的初心，在
本文聚焦2025年半导体产业三大主线：AI算力、存储复苏与国产替代，强调技术落地已从“概念炒作”转向“工程验证”。算力竞争升维为“芯片+互联+软件栈”的系统能力，国产瓶颈在于编译器与算子生态；HBM驱动存储周期上行，但价值重心移至先进封装环节；国产替代进入深水区，能否进BOM、规模量产、快速响应客户成为关键。文章指出，成熟制程芯片、端侧AI、RISC-V及EDA工具链是工程师可切入的高确定性方向，
阶段提交或者3阶段提交的方式去实现，但是如果全局事务管理器中的多个节点，任意一个节点在进。强一致性，数据在某一个时刻会存在不一致的状态，但是最终这些数据会达成一致，这样的好处是提。一致性方案，是指通过第三方事务管理器来协调多个节点的事务性，保证每一个节点的事务达到同。认的时候，由于网络通信延迟导致了阻塞，就会影响到所有节点的事务提交，而这个阻塞过程呢，务是指事务的参与者和支持事务的服务器、资源服务
说快也快，说不快也不慢！年前，陆陆续续，好多大厂都在裁员；年后，又有一大批程序员失业，找不到避风港；这时候，就有人说了，为什么找工作这么难？其实，并不是找工作难，而是你没有找对方法、面试技巧，你更需要的是硬技术+软技能相结合，才能畅通无阻，平淌大厂offer拿到手软！今天分享的这份阿里巴巴面试参考指南（泰山版），已助七十二位粉丝成功进入大厂，整份手册分为了七个篇章，分别是：分布式篇、中间件篇、高并
本篇内容：leetcode每日一题1716. 计算力扣银行的钱 数学问题 等差数列 这不是高中的知识么 + 逻辑推理最近更新：leetcode每日一题373. 查找和最小的K对数字有序+找最值 优先队列的堆就对了 看不懂来私我 我手把手教你个人简介：一只二本院校在读的大三程序猿，本着注重基础，打卡算法，分享技术作为个人的经验总结性的博文博主，虽然可能有时会犯懒，但是还是会坚持下去的，如果你很喜欢博
这篇文章我们来剖析Zookeeper分布式锁的实现框架Curator的源码，看看Curator是如何实现Zookeeper分布式锁的，以及它提供的哪些其它的特性。Curator框架是封装对于zk操作的api，其中就包括了对分布式锁的实现，当然Curator框架也包括其它的功能，分布式锁只是Curator的一部分功能。
AI Agent工程师，不是“更懂AI的程序员”，而是“更懂系统的AI使用者”。谁能把AI的能力，做成真正稳定、可交付、可迭代的系统，谁就更有机会成为下一阶段最稀缺的工程师。风口会过去，系统能力会产生复利。与其焦虑被替代，不如主动转型，把对行业的判断，变成可落地的系统；把AI工具，变成自己的核心竞争。
2025年，AI应用将何去何从？大模型从神话走向落地的故事教会我们：技术真正的想象力来自“脱敏”。在对过高的期许和泡沫脱敏以后，还要对技术本身脱敏。否则，应用化的关键价值，就会成为房间里的大象。2025年，脱离了“百模大战”的国产大模型，毫无疑问还会继续往深水区卷，但一年过后留在牌桌上的人还有谁，却变成了一个未知的迷局。百度、阿里、字节是三张明牌，算力、技术、数据三个硬指标都是全球前沿水准，未来有
面试难免让人焦虑不安。经历过的人都懂的。但是如果你提前预测面试官要问你的问题并想出得体的回答方式，就会容易很多。此外，都说“面试造火箭，工作拧螺丝”，那对于准备面试的朋友，你只需懂一个字：刷！给我刷刷刷刷，使劲儿刷刷刷刷刷！今天既是来谈面试的，那就必须得来整点面试真题，这不花了我整28天，做了份“Java一线大厂高岗面试题解析合集：JAVA基础-中级-高级面试+SSM框架+分布式+性能调优+微服务
JVM，JAVA集合，JAVA多线程并发，JAVA基础，Spring 原理，微服务，Netty与RPC，网络，日志，Zookeeper，Kafka，RabbitMQ，Hbase，MongoDB，Cassandra，设计模式，负载均衡，数据库，一致性算法，JAVA算法，数据结构，加密算法，分布式缓存，Hadoop，Spark，storm，YARN，机器学习，云计算。
当然一台机器也可以既做调度机，也做执行机。如果脚本中使用到参数化文件，需要将CSV参数化文件上传到各个salve机器上，且路径要相同，然后再脚本CSV文件路径这里配置对应的参数。编辑bin目录下的jmeter-server文件，取消RMI_HOST_DEF的注释项，固定设置当前Linux主机查询到的IP。调度机执行脚本的时候，master将会jmx脚本分发到slave上，slave拿到脚本后以非G
有一系列的任务被指派到各个计算机上，第 i 个任务在 ai 时刻分配，指定计算机编号为 bi，耗时为 ci 且算力消耗为 di。对于每次任务分配，如果计算机剩余的运算能力不足则输出 −1，并取消这次分配，否则输出分配完这个任务后这台计算机的剩余运算能力。如果此任务成功分配，将立刻开始运行，期间持续占用 bi 号计算机 di 的算力，持续 ci 秒。就是动态维护a的排序，所以想到堆。然后发现我不会优
对于想成为 SDE 的同学来说，攻略很简单：只要把 LeetCode 刷个透，系统设计方面背熟几个经典案例，基本就稳操胜券了。而对于计划投身 DS 领域的同学，把 SQL 刷熟练，把 Python 的 Pandas 库运用得炉火纯青，再了解几个基础的 ML 模型，也能找到不错的工作。那时候的求职，就像是在玩游戏时开启了简单模式，目标明确，所有的努力都能有的放矢
今天的词元定名，明天的AI中文名敲定，这些都只是智能时代的“序章”。真正重要的，不是Token叫什么，AI叫什么，而是你能不能看懂这些背后的产业逻辑，能不能把这些标准化的规则变成自己的竞争优势。
QAWolf是一个基于浏览器的测试自动化工具，它允许用户通过简单的录制和回放功能来创建测试用例。与传统的测试自动化工具相比，QAWolf更加直观易用，无需编写复杂的脚本或代码。用户只需在浏览器中进行正常的操作，QAWolf会自动记录这些步骤并生成相应的测试用例。QAWolf可帮助你以 10 倍的速度创建、运行和维护端到端的浏览器自动化测试。
摘要： 作者分享裸辞转行AI大模型的经历，从动机、准备到面试全程复盘。动机源于对重复工作的厌倦与AI领域的潜力，7月裸辞后通过三个月系统学习（原理+项目实践+公开笔记）夯实基础。准备包括经济储备、心态调整及图书馆学习环境营造。面试阶段，凭借行业经验、深入原理理解及学历优势，克服工作匹配度与代码能力短板，通过密集面试（10-11月）最终收获多个offer。关键经验：深入理解原理、简历优化、心态管理及
计算机专业没有绝对 “更值得” 的选择，核心取决于你的职业目标、个人禀赋、院校背景、可拿到的 offer 质量与家庭经济条件。两条路径的核心差异、适配场景、决策标准如下，帮你精准判断。一、核心差异：研究生 3 年 VS 工作 3 年全维度对比表格对比维度研究生 3 年工作 3 年核心收益1. 学历门槛准入权（高端岗、国企、选调、研究所硬刚需）2. 前沿 / 底层技术深度积累（AI 大模型、芯片、操
职场和发展
——职场和发展
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
openvela
龙虾开发者社区
2048 AI社区
九章云极普惠算力
深开鸿 技术专区
