2026智能农业监测设备领军企业：建大仁科引领气象站与农业传感器国产化新标杆 - 深度智识库
2026/1/16 18:18:23
文章分享了作者在大模型时代的实践与思考，通过两个AI编程项目展示大模型如何帮助个人高效开发。作者指出AI发展速度惊人，一个人就能完成团队工作，未来可能是产品经理的时代。面对AI带来的挑战，普通人应培养使用大模型的习惯，学会与AI协作，以思维方式的转变应对未来世界，而非焦虑于技术更迭。
好久不见~
说来惭愧，这又是一篇早该写出来的推送。
最近大模型的发展之快令人应接不睱，即便作为从业者，我也深深地感觉到力不从心、学不过来，甚至越来越觉得自己落后于时代了。—— 这是一件让我自己感觉到可怕的事情。
几个月前，一位学妹也发来消息，表达了同样的感受。
我尝试激励她，然后才发现更应该焦虑的是我自己。
我其实一直在尝试关注行业的发展，试图不让自己掉队，刚好那阵子学长拉我参加了一个清华的创业营讲座，请了向阳乔木来分享当前大模型的进展，尤其是大模型能用来做哪些事情，我才真正开始花时间深入进去 —— AI真的越来越强大了，强大到甚至一个人就能完成一个团队的事情，帮我把创意变成现实，甚至从零到一打造出一个产品。
这里跟大家汇报两个个我尝试了的事情，主要还是用AI来编程，解放&放大程序员的代码能力。
一、通勤英语练习
idea来自我通勤路上听的英语听力&口语练习视频，形式很简单，针对各个场景（比如旅行、机场、饭店）整理一些常用口语文本，然后英音、美音、翻译，轮流读几遍，视频内容就是对应的口语文本和翻译。
我觉得这个事情完全可以通过写代码来批量的生产，涉及到的所有的技术都很成熟：
- 文本语料：调用LLM，写几句prompt，就能源源不断地生成高质量口语练习数据；
- 音频语料：调用TTS，英音美音、男声女声，甚至各种角色/语气都能调整；
- 图像/视频内容：这个更简单，都不需要视频生成模型，直接写规则把文本画在背景图上就行
然后就是写代码实现的事情，我刻意限制自己不写代码，只写需求prompt，完全调用AI编程工具来实现。
下面是一个demo片段：
这个Pipeline开发完之后，完全可以自动地、批量地生产相关视频，往各大平台上传，积累受众，进而尝试变现 —— 这就是现在大模型的魅力！
（给自己打个广告，欢迎关注我的b站账号：井底之娃往上爬 ）
二、学习MCP原理，开发了一个MCP server
MCP是前阵子特别热门的一个概念，MCP server供大模型以通用的接口调用的工具。
我很早就接触到过这个概念，当时没当回事，然后这个话题越来越火，它也确实能做很多事情，补足当前大模型能力的短板（比如实时搜索）。于是就花时间系统学习了MCP的原理和使用方法，并且开发了一个用于调用阶跃星辰api实现各种任务的MCP server。
同样的，代码也都是AI编程工具实现的，我几乎只需要写prompt、尝试运行、把报错信息反馈给编程工具、再次尝试AI给的修改方法。
该mcp发布在mcp.so, 链接 https://mcp.so/server/stepfun-mcp
对应的全部源代码发布在github， 链接：https://github.com/weidafeng/StepFunMCP
思考：
很多时候我都不得不承认AI比我厉害多了，哪怕是在我赖以生存的写代码上。
之前一直有个段子：万事俱备，只差一个程序员来实现了。现在我愈发觉得，很多事情都不需要程序员，靠大模型就能自动实现很多需求了 —— 未来也许是产品经理的未来。
对于我们普通人来说，能做的事情就是跟上来，培养日常使用大模型的习惯 —— 大模型也的的确确能帮我们做很多事情。我之前听一个大佬讲，他每天都会让大模型帮他生成一张图片，以此来观察现在大模型的能力进化，我觉得就是跟很好的思路。
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。