• javaer 转型 ai 学习之路-06-RAG 的工程优化
  RAG 的工程优化 理解 RAG（Retrieval-Augmented Generation） 后，真正决定系统效果的不是“是否用了 RAG”，而是 RAG 的工程优化。 很多企业做出来的 RAG 效果差，其实都是这几个环节没做好。 下面是 RAG 系统最核心的 8 个优化点（几乎所有先进 AI 知识系统都会做）。 一、Chunk Strategy（分块策略） 这是 RAG 最...
  2026-03-13 13:01:55 | AI
• javaer 转型 ai 学习之路-05-Embedding + Vector Database 原理（为什么语义搜索成立）
  Embedding + Vector Database 原理（为什么语义搜索成立） 这一节非常关键。Embedding + Vector Database 是几乎所有 RAG 系统 / AI 搜索 / AI 知识库 的基础。 很多人会用，但其实没有真正理解 为什么语义搜索成立。 我们从工程和数学两个角度讲清楚。 一、Embedding 的本质 Embedding 的核心思想是： ...
  2026-03-13 13:01:55 | AI
• javaer 转型 ai 学习之路-04-基础知识 LLM 的内部计算流程完整走一遍
  LLM 的内部计算流程完整走一遍 很好。接下来我们把 LLM 的内部计算流程完整走一遍。 理解这一节，你会彻底明白： 为什么 Prompt 有作用 为什么 RAG 可以增强知识 为什么 上下文长度重要 为什么 Agent 可以调用工具 整个流程其实可以概括为： 文本 → Token → Embedding → Transformer → 概率 → 采样 → 新To...
  2026-03-13 13:01:55 | AI
• javaer 转型 ai 学习之路-03-基础知识 LLM（Large Language Model）
  如果继续往下学，下一步最重要的知识其实不是 Transformer，而是： LLM 的 6 个关键运行参数（几乎决定模型行为）： temperature top_p top_k max_tokens stop seed 这 6 个参数本质上都在控制 LLM 的采样（sampling）行为。 因为模型每一步都会产生 一组 token 概率分布，而这些参数决定： 从概率分布中如何选择...
  2026-03-13 13:01:55 | AI
• javaer 转型 ai 学习之路-02-基础知识 LLM（Large Language Model）
  第 1 个月：LLM 基础 很好。学习 LLM（Large Language Model） 时，不建议一开始就钻进深度学习细节，而是先建立 正确的心智模型（mental model）。 我会用 工程师视角把 LLM 的核心拆成几个逐步理解的模块。 今天先打基础：LLM 的 5 个核心概念。 一、LLM 本质：预测下一个 Token 所有大模型的核心其实非常简单： 根据已有...
  2026-03-13 13:01:55 | AI
• javaer 转型 ai 学习之路-01-概览
  怎么学习呢？ python 只是语言，在 ai 时代并不是障碍。 下面给你一套 偏工程实践、可落地的 6 个月路线。目标不是成为研究型 ML Scientist，而是成为 能设计企业 AI 平台 / AI 产品架构的 AI 架构师。 路线会贴合 Java 技术栈 + AI 系统工程。 整体思路： 认知 → 工具 → RAG → Agent → AI 平台架构 → 模型工程 6 个...
  2026-03-13 13:01:55 | AI
• 思考问题的维度
  思考问题的维度 文本-》理解-》应用-》迁移-》抽象-》组合-》创新 核心 工作（作品）—》困难—》解决用户实际的问题 流量—IP、信任—》获客 线上（文本、视频、图片）、线下 资源：壁垒 认知差 信息差 成本差 闭环 输入–》过程—》输出 流程 价值–》触达==》信任—》壁垒—》变现 参考资料 思考问题的维度 核心 闭环 流程 参考资料
  2026-03-10 13:01:55 | DevOps
• 思考关于 cmdb
  cmdb 容器：kvm / docker / k8s 变更方式：人工 + 自动化 校验：人工 + 自动化（定时巡检） 生态 和服务的重启发布 和报警中心 核心 vm->phy 网络-》交换机 nginx、域名、证书 参考资料 cmdb 生态 核心 参考资料
  2026-03-10 13:01:55 | DevOps