因为牛客上我还有一毛钱的激励计划奖金所以我决定继续更新。

ok，那么正式开坑吧，个人而言因为Java实在竞争太激烈，（在月薪3k的小厂，有十几个人去面试竞争，甚至有个天津大学的985硕士和我抢饭碗，我决定直接跳车,不卷了）所以投入大模型的学习之中。那么目标自然是做agent开发或者大模型开发了，

这里很多人会问，现在去找大模型好找吗？我明确的说，我不知道，但我要all in，因为大模型工资实习工资比java开发更高，而且它更新，这是为什么我要学它。

然后很多人就是说这个东西是不是现在没有什么成体系的学习资料，我明确的说，是的，以我自身就是纯按照兴趣+boss招聘信息去学，因为很多公司自己也没整明白，有非常多小公司初创公司招这个，竞争激烈程度大概是56个人抢一个岗位，要比java动不动几十份简历好的太多，同时公司自己也不太会，因为没有体系化的八股文而且能够实现自身想法。这是非常大的优势。

那么问题来了，你想问大模型怎么学，然后大模型有哪些方向。

这里首先大模型应该是分成prompt工程师，agent开发，算法底层开发，pytorch/transflow框架开发这几种，

基本上很多公司自己没搞明白，可能你进去就是天天接入接口，然后无脑问ai，也可能上来直接干论文实现，或者使用cursor/trae这种接入ai问答模型的工具开始愉快的一行代码不写debug一天，也可能直接加入项目去参加meatgpt/hugging face等开源项目。

但是无一例外，实习工作是没有传统开发那样枯燥的，不管你是用什么语言，基本上都逃不过crud，重复造轮子，而大模型不会，

每一天都有所收获，每一天都能够实现新东西。

这里基本上分为几种agent开发，一部分是使用dify/coze上面的这种预训练模型（这两个本质上类似于开发者仓库，你可以把实现的东西放上去但是收费，并且能够在上面用拖拉拽实现小型agent），另一种则是调用pytorch这种框架或者下载几十G的知识库自己手搓出全新的agent，

这里不得不提到RAG的概念，现在大部分使用的对话大模型类似于deepseek/qwen基本上都是接入到10月份的知识库，由于法律明确的干涉所以暂停ai接入实事，也能够减少ai造假的情况，那么我们想要实现接入最新知识或者发表的论文怎么办，这里就要用到检索增强模型（RAG），它本质上是一个向量模型数据库，说白了，就是个高阶数据库，大体工作流程为拆包，（切小块的数据），加载数据，录入数据，调用数据，最新的数据会作为知识库的一部分。

写了不少东西了，看看有没有人看吧，大伙感兴趣我就更新下一期，打一把dota先。