前言

人工智能技术正在深刻改变软件开发的方式。从代码生成、智能调试到自动化测试，AI 已成为开发者不可或缺的助手。本栏目将记录 AI 技术学习与实践的过程。

学习路线

1. 大语言模型基础

• Transformer 架构原理
• Prompt Engineering 技巧
• 主流 LLM 对比（GPT、Claude、Gemini、DeepSeek 等）

2. AI 开发工具

• IDE 集成（GitHub Copilot、Cursor、Codeium）
• 命令行工具（OpenAI CLI、Ollama）
• Agent 开发框架（LangChain、LlamaIndex）

3. RAG 与知识库

• 向量数据库选型（Pinecone、Milvus、Chroma）
• 文档切分与嵌入策略
• 检索优化实践

4. 模型部署与微调

• 本地部署（Ollama、vLLM）
• LoRA / QLoRA 微调
• 模型量化与推理优化

5. Java 开发者视角

• LangChain4j 入门
• Spring AI 集成
• 企业级 AI 应用架构设计

推荐资源

• OpenAI 官方文档 (opens new window)
• Anthropic Claude 文档 (opens new window)
• LangChain 官方文档 (opens new window)
• Hugging Face 模型库 (opens new window)

持续更新

本栏目将持续记录 AI 技术学习笔记、项目实践、踩坑经验。欢迎关注。