6 月 2025

大模型时代工程师的进化:架构师、工匠、规划师与氛围组

导语: 在大模型技术浪潮席卷软件工程领域的今天,我们正经历一场前所未有的变革。软件工程师不再仅仅是代码的编写者,而是需要重新审视自身角色,适应新的工作方式。本文将深入探讨在大模型时代,软件工程师的几种典型角色:架构师、工匠、规划师与氛围组,帮助你认清自身定位,把握时代脉搏。 大模型带来的根本性变革 大模型(Large Language Models,LLMs)的出现,不仅仅是为软件工程师们提供了一

AI 会取代软件工程师的工作吗? 深度剖析大模型时代程序员的机遇与挑战

近年来,AI,尤其是像 ChatGPT 和 GitHub Copilot 这样的大模型工具的快速发展,引发了人们对各行业工作岗位的担忧。一个备受关注的问题是:AI 会取代软件工程师的工作吗?本文将围绕这个核心问题,深入探讨 AI 对软件工程领域的影响,分析程序员面临的机遇与挑战,并展望 大模型 时代软件工程师的未来发展方向。 AI 工具:软件工程效率的加速器 AI 工具,如 GitHub Copi

如何成为 AI 专家?从培养 AI 素养开始

2022 年,作者 Altan Atabarezz 作为 SAS Software 东南欧地区的数字化转型负责人,亲身经历了一个价值百万美元的 AI 项目。 他发现,与其兜售复杂的软件功能,不如引导客户思考 “AI 能力” 的真正含义,以及如何快速建立这种能力。 如今,大模型技术日新月异,要想成为真正的 AI 专家或许并非一朝一夕可以实现,但通过培养良好的 AI 素养,每个人都能逐步掌握 AI 的

大模型时代软件工程师的未来:被取代还是重塑?

随着人工智能 (AI),尤其是大模型 (LLM) 技术如 GPT、Claude 和 Gemini 的飞速发展,软件工程师的未来走向成为一个备受关注的话题。本文将深入探讨在大模型时代,软件工程师的角色是否会被取代,以及如何适应并重塑自身,抓住机遇。 AI 加速:软件工程的革命性变革 AI 加速是当前软件工程领域最显著的特征。过去,软件开发主要依赖人工编写和调试代码,而现在,AI 正在以前所未有的速度

驾驭数据分析: prompt engineering 解锁大模型的力量

在人工智能时代,充分利用大型语言模型(LLM)不仅仅是提出问题,更在于提出正确的问题。 这就是 Prompt engineering 发挥作用的地方,它将通用模型转变为强大的 数据分析 工具。 什么是Prompt engineering? Prompt engineering 是一种通过精心设计输入提示,包括上下文和明确指令,来引导 LLM 产生准确且相关响应的技术。 就像我们与不同的人交流时会根

从理论到部署:构建生产级GenAI系统,填补2.8百万美元的原型鸿沟

首段:GenAI项目落地困境与执行差距 如今,企业对生成式人工智能(GenAI)的投资热情空前高涨,然而,许多项目最终却沦为耗资巨大的“原型”,无法真正落地并产生收益。正如一位CTO无奈地表示,他们拥有先进的模型和顶尖的工程师,最终却得到一个价值280万美元、无法在生产环境中运行的原型。这并非个例。麦肯锡《2025年人工智能现状》报告显示,高达67%的企业级GenAI项目未能实现可衡量的投资回报率

NLWeb:微软引领的 Agentic Web 时代,对话式互联网的曙光

想象一下,未来的互联网不再是静态网页和交互表单的集合,而是一个个动态的、具备对话能力的实体。你可以用自然语言向网站提问,就像咨询一位知识渊博的助手一样,并立即获得相关且有上下文关联的答案。这并非科幻小说,而是微软通过 NLWeb 这一开源项目,正努力实现的愿景,它将重新定义我们与互联网互动的方式。 NLWeb 代表了下一代网络交互方式的变革。在微软Build 2025大会上,由R.V. Guha亲

大模型推理的幻觉:理解大型推理模型的局限性

大型推理模型 (LRMs) 如 OpenAI 的 o1/o3、DeepSeek-R1 以及 Claude 3.7 Sonnet Thinking 等,在解决复杂问题方面取得了显著进展。然而,苹果公司的研究 “推理的幻觉:通过问题复杂性理解推理模型的优势和局限性” 揭示了这些模型在面对不同难度的问题时存在的显著局限性。这项研究没有采用传统的数学或编码测试,而是采用精心设计的谜题,揭示了 LRMs 的

7款我真正在AI训练中推荐的开源LLM大模型

在嘈杂的开源LLM生态中,找到真正可靠且适合训练的模型并非易事。本文精选了7款我个人信任并在实际AI训练课程中使用的开源LLM大模型,帮助你摆脱炒作,直击最佳选择。 无论你是初创团队、大学实验室还是企业AI部门,选择合适的开源LLM(大型语言模型)都是至关重要的一步。面对每周涌现的新模型、被操纵的基准测试、模糊的模型卡以及因用例而异的巨大性能差异,如何做出明智的决策?经过数月的微调、提示工程和架构

利用Ollama本地运行Mistral模型,Python实现网页内容摘要

在当今信息爆炸的时代,如何快速有效地从海量网页中提取关键信息变得至关重要。本文将深入探讨如何利用 Ollama 在本地运行强大的 Mistral 大语言模型,并结合 Python 的网络爬虫和文本处理能力,实现网页内容的自动化摘要。通过本文,你将掌握一种无需依赖外部API,完全掌控数据,并能构建强大信息提取工具的方法。本文将围绕 Ollama、Mistral、Python、网页内容摘要 这四个核心