哈喽，我是初相，一个从 0 学习 AI 的产品经理。
关注我的老朋友可能发现了，最近我很少更新摄影相关的知识了。
不是不喜欢摄影了，也不是我 “弃坑” 了。而是我发现我的工作挤满了我整个生活，在深夜工作的时候，我时常会有一种 “窒息感”。
我在想，在 AI 时代的今天，难道我不能用 AI 来让自己有更多的时间么？
虽然 AI 能快速检索、生成、回答我们的问题，但我发现，自己还是会像个陀螺一样，在这些 “智能工具” 之间来回切换、复制、粘贴。
我突然意识到：我以为自己在驾驭 AI，其实我只是 AI 的搬运工。
我们并没有因为 AI 变得更轻松，反而因为生产内容的门槛降低，被更多的信息垃圾淹没了。
摄影救不了我的焦虑，生成再多的文案，好像也解决不了我的实际问题。
我在想：那什么样的 AI 能真正让我节约时间呢？答案只有一个词：Agent（智能体）。
所以我做了一个决定：
暂停摄影内容的更新，将工作之外的时间和未来的重心，都先放在 Agent 上。
毕竟，如果我能通过 Agent 提高自己的效率，为自己争得更多的时间，我可以有更多的选择权。
01、Chatbot（聊天机器人） 只是动嘴，Agent 是在办事
首先，先说一下什么叫 Agent？ 大家别被这个单词吓到了（没有那么高大上）。
我们目前用的 Deepseek、豆包等，都可以理解为一个 “超级百科全书”。
你问：去北京的高铁票要多少钱？
它答：根据以往数据…
这其实是对话，也叫Chat。
但 Agent 不一样，Agent其实是有 “手” 的。如果你不问它问题，而是直接给它一个目标，他就会直接去做。
比如：帮我订一张周五去北京性价比最高的机票，并把行程同步到我的日历，顺便发邮件告诉接机的朋友（有没有那种 “车机” 的感觉，只是动动嘴，窗户就打开了）。
Chatbot 只是动嘴，Agent 是在真正办事。
02、Agent 的底层逻辑：给大脑装上四肢
要学好 Agent，其实不需要懂复杂的代码，只需要懂架构。
如果把大模型（LLM）比作 “大脑”，它负责思考、推理、逻辑判断。
那么一个完整的 Agent 系统，就是给这个大脑装上了三个关键组件：
① 感知（Perception）：
就像人的眼睛和耳朵（获取外部信息）。让 AI 能联网看新闻、能读取你的 PDF 文档、能感知当下的时间。
② 工具（Tools）：
就像人的手和脚。让 AI 能使用外部工具（如：发邮件、写代码等）。
③ 记忆（Memory）：
就像人的记事本。它能记住我们的偏好（比如我们喜欢靠窗的座位），也能记住我们和它的历史对话。
Agent = 大脑 (LLM) + 感知 + 工具 + 记忆
这就是 Agent 的知识图谱中最核心的公式。一旦我们理解了这个逻辑，我们其实就懂了 “架构原理”。
03、我正在用 Agent 做什么？
一切的恐惧来源，都源于信息量的不足。
很多人觉得搭建 Agent 很难，其实现在的低代码平台（比如 Coze 扣子、Dify）已经让这件事像搭积木一样简单。
举个我最近生活中的真实案例。
最近，为了持续学习 AI 知识。我每天早上要花 1 个小时看公众号、视频等，然后手动做笔记。 这非常痛苦，且效率极低（很多都是营销内容
所以，我尝试搭建了一个 “AI 情报分析 Agent”。 它的工作流是这样的：
① 每天早上 8 点开始工作；
② 联网搜索：过去 24 小时关于“AI Agent”、“LLM”的高热度文章（感知）；
③ 自动阅读：这些文章，过滤掉营销号软文（思考）；
④ 提取核心观点，并翻译成中文摘要；
⑤ 数据推送。
现在每天醒来，都可以看到一份资讯啦（知识强行灌输到脑子里，这样每天都可以减少很多时间来检索信息。
04、写在最后
我想：如果只想着操作 AI，那工具更新永远比我们学的快。但如果我们忙着设计 AI员工，那它只会越来越强
我想做那个设计的人。
从今天起，我的公众号将开启一个新的篇章。 我会从 0 到 1，毫无保留地分享我学习 Agent 的路径、踩过的坑、以及如何用 Coze/Dify 搭建出真正好用的智能体。
种一棵树最好的时间是十年前，其次是现在。
如果你也不想被时代抛下，欢迎关注我，我们一起学习和进步。
今天就到这啦，我们下期见～
如何学习大模型 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。
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。
