<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[bagell的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/bagell</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; bagell]]></copyright><item><title><![CDATA[第21篇：别卷算法了！Java+AI才是普通人的年薪50W快车道（Java+AI落地实战系列 _ 收官之作 _ 完整转型路线图）]]></title><link>https://blog.csdn.net/bagell/article/details/163855136</link><guid>https://blog.csdn.net/bagell/article/details/163855136</guid><author>bagell</author><pubDate>Tue, 18 Aug 2026 14:24:40 +0800</pubDate><description><![CDATA[AI时代，Java开发者到底该怎么转型？怎么突破薪资瓶颈？怎么避开弯路，用最少的时间拿到最大的回报？很多人一直在焦虑：AI会不会淘汰Java开发？是不是要去学Python、卷算法才能跟上时代？我的答案非常明确：AI不会淘汰Java开发，但会用AI的Java开发，一定会淘汰不会用的。更重要的是，Java开发者转AI，根本不用从零开始学Python、卷算法。你最擅长的工程能力、业务理解，恰恰是企业AI落地最稀缺的东西。很多人有个误区：做AI就是搞算法，Java没优势。这是完全错误的。]]></description><category></category></item><item><title><![CDATA[2026年，Java可能最先被淘汰]]></title><link>https://blog.csdn.net/bagell/article/details/163823397</link><guid>https://blog.csdn.net/bagell/article/details/163823397</guid><author>bagell</author><pubDate>Mon, 17 Aug 2026 14:00:54 +0800</pubDate><description><![CDATA[看到这个标题进来的你，现在是什么心情？A. 心里一紧，赶紧进来看看怎么回事B. 不信邪，准备进来反驳一波C. 单纯好奇，顺手吃个瓜不管你选哪一个，至少说明一件事：你对自己的职业未来，是有些焦虑的。其实，曾经的王，Spring Boot倒下了！我天，Java已经沦为老四！结果点进去一看全是AI大模型课程广告。。。Java当然不可能凉，作为工程师规模最大、生态最成熟的语言，编程语言的常青树，Java依然是企业级应用开发的绝对主力。但行业正在发生结构性的变化，市场的需求也在悄然改变01。]]></description><category></category></item><item><title><![CDATA[35岁，告别支付宝前端CRUD，我全职转做AI Agent开发了]]></title><link>https://blog.csdn.net/bagell/article/details/163748930</link><guid>https://blog.csdn.net/bagell/article/details/163748930</guid><author>bagell</author><pubDate>Fri, 14 Aug 2026 11:21:29 +0800</pubDate><description><![CDATA[大家好，一名35岁、从支付宝前端赛道，彻底转行AI Agent应用开发的普通程序员。最近整个前端圈炸锅的大事，相信大家都刷到了：支付宝顶尖前端团队AFX（体验技术部）正式拆分重组，全员不再做纯前端，统一转岗为Agent全栈工程师。今天不灌鸡汤、不贩卖焦虑、不讲空洞趋势。以支付宝在职前端、亲历行业变革的视角，跟大家讲透这件事背后的真相：为什么国内金字塔尖的前端团队，集体放弃深耕十年的赛道，all in Agent？35岁程序员转行Agent，到底是不是最优解？普通开发者该如何顺势翻盘？]]></description><category></category></item><item><title><![CDATA[大模型应用开发实战：AI Agent与智能体开发技术解析]]></title><link>https://blog.csdn.net/bagell/article/details/163720672</link><guid>https://blog.csdn.net/bagell/article/details/163720672</guid><author>bagell</author><pubDate>Thu, 13 Aug 2026 11:39:51 +0800</pubDate><description><![CDATA[AI Agent（智能体）是基于大模型构建的自主任务执行系统，能够根据用户指令拆解目标、调用工具、完成复杂任务（如数据分析、自动化办公）。其核心特征包括：自主性：无需逐步指令，可主动规划任务流程。工具调用：通过API、数据库、搜索引擎等获取实时数据。多轮交互：支持上下文记忆和动态调整策略。]]></description><category></category></item><item><title><![CDATA[34岁Java后端转AI应用开发1年，说点没人敢说的大实话]]></title><link>https://blog.csdn.net/bagell/article/details/163693438</link><guid>https://blog.csdn.net/bagell/article/details/163693438</guid><author>bagell</author><pubDate>Wed, 12 Aug 2026 11:52:11 +0800</pubDate><description><![CDATA[交个底，去年底裸辞转的AI。这一年过得什么日子呢——Python现学的，LangChain翻了三遍文档还懵，第一次面试被问RAG的QPS，一个字都憋不出来。凌晨调线上bug是家常便饭，躺在床上想过不知道多少次：是不是脑子进水了。但现在回头看，不后悔。薪资涨了30%，最关键的是，不觉得这辈子就这样了。今天不灌鸡汤，就跟想转AI的兄弟聊聊我这一年的体会。尤其是最近看了不少面试，有些话不吐不快。先说三种兄弟，面试基本过不了。我亲眼见过的。]]></description><category></category></item><item><title><![CDATA[现在好像已经没人说：“前端已死，后端已亡”了]]></title><link>https://blog.csdn.net/bagell/article/details/163662030</link><guid>https://blog.csdn.net/bagell/article/details/163662030</guid><author>bagell</author><pubDate>Tue, 11 Aug 2026 11:25:38 +0800</pubDate><description><![CDATA[大家好，我最近突然发现一件挺有意思的事。现在网上，好像已经很少有人再喊：前端已死，后端已亡 了就在上一年，这类文章还特别多。每出来一个新的 AI 编程工具，前端就要死一次；模型生成接口的能力稍微强一点，后端也得跟着亡一次。。结果不知不觉到了现在，反而没人聊了。一开始我以为，是这类标题写得太多，大家看烦了。后来仔细想了一下，好像没这么简单啊。。。。我记得 2015 年的时候，网上也流行过类似的说法，当时叫做：Android 开发已死，iOS 开发已亡。当时同样有很多人反驳。]]></description><category></category></item><item><title><![CDATA[安全运营 Agent 落地：让 LLM 亲手把自己「炼」成规则]]></title><link>https://blog.csdn.net/bagell/article/details/159048203</link><guid>https://blog.csdn.net/bagell/article/details/159048203</guid><author>bagell</author><pubDate>Sat, 14 Mar 2026 14:58:52 +0800</pubDate><description><![CDATA[本文基于笔者在安全告警研判系统中的实践经验，聊聊把 LLM 和 Agent 引入安全运营后踩过的坑、想明白的事。不是教程，单纯个人思考、发现，希望对你有启迪。]]></description><category></category></item><item><title><![CDATA[一文读懂 MCP、RAG、Agent]]></title><link>https://blog.csdn.net/bagell/article/details/159048093</link><guid>https://blog.csdn.net/bagell/article/details/159048093</guid><author>bagell</author><pubDate>Sat, 14 Mar 2026 14:51:52 +0800</pubDate><description><![CDATA[最近，AI 圈被三个词刷屏了 ——MCP、RAG、Agent！几乎每天都有新的相关工具冒出来，各大技术论坛、行业群聊得热火朝天。但不少朋友一看到这些术语就犯迷糊：它们到底是啥？能干啥？和我们普通人又有啥关系？别慌！今天就用最接地气的方式，带你彻底搞懂这些概念，看完秒变 AI 达人！]]></description><category></category></item><item><title><![CDATA[我用了两周_OpenClaw，终于明白为什么它能火成这样]]></title><link>https://blog.csdn.net/bagell/article/details/158924230</link><guid>https://blog.csdn.net/bagell/article/details/158924230</guid><author>bagell</author><pubDate>Wed, 11 Mar 2026 13:58:11 +0800</pubDate><description><![CDATA[写这篇文章的时候，我一直在想一个问题：OpenClaw 到底意味着什么？我觉得它最重要的不是 GitHub 上的 Star 数量，而是它用一个实际可跑的项目，把很多人心里对"可用 AI"的想象具体化了：AI 不再只是在屏幕里聊天，而是像一个常驻的数字员工，和你的操作系统、应用、账号一起构成新的工作流。它的爆火或许会被后来的项目超越，但"聊天入口 + 多模型决策 + 系统级执行 + 长期记忆与定时任务"的组合，很可能会成为未来几年 AI 应用的基本范式之一。]]></description><category></category></item><item><title><![CDATA[OpenClaw AI手册指南.pdf（2026）]]></title><link>https://blog.csdn.net/bagell/article/details/158923913</link><guid>https://blog.csdn.net/bagell/article/details/158923913</guid><author>bagell</author><pubDate>Wed, 11 Mar 2026 13:42:55 +0800</pubDate><description><![CDATA[最近一段时间，OpenClaw 在全球开发者社区和技术圈迅速升温，很多朋友在后台问我们：它为什么这么火？它到底代表了什么样的变化？正是带着这些问题，边缘计算社区决定系统性地做一次研究和梳理，最终有了你现在看到的这份《OpenClaw AI手册指南》。]]></description><category></category></item><item><title><![CDATA[AI智能体vs工作流（收藏必备）从零基础入门到精通，看这一篇就够了！]]></title><link>https://blog.csdn.net/bagell/article/details/157938080</link><guid>https://blog.csdn.net/bagell/article/details/157938080</guid><author>bagell</author><pubDate>Sat, 14 Feb 2026 09:30:00 +0800</pubDate><description><![CDATA[一句话定义：Agent是一个“有想法，且能落地”的助理，只需要告诉它“最终要达成什么目标”，它会自己想办法，做决策，解决问题甚至调整步骤。一句话定义：工作流像一条“提前设定好的流水线”，你要先明确“每一步做什么？谁来做？做完交给谁？”它只负责按顺序推荐，不做任何决策，也不会调整步骤。]]></description><category></category></item><item><title><![CDATA[什么是大语言模型（LLM）？通俗易懂的介绍]]></title><link>https://blog.csdn.net/bagell/article/details/157937955</link><guid>https://blog.csdn.net/bagell/article/details/157937955</guid><author>bagell</author><pubDate>Fri, 13 Feb 2026 07:15:00 +0800</pubDate><description><![CDATA[对关键点的深入研究。•。]]></description><category></category></item><item><title><![CDATA[不懂RAG？看这一篇万字长文就够了！]]></title><link>https://blog.csdn.net/bagell/article/details/157933991</link><guid>https://blog.csdn.net/bagell/article/details/157933991</guid><author>bagell</author><pubDate>Thu, 12 Feb 2026 10:45:00 +0800</pubDate><description><![CDATA[文章全面介绍检索增强生成(RAG)技术，包括其解决传统语言模型局限性的必要性、核心组件(检索与生成)、关键技术步骤(用户意图理解、知识解析、嵌入、索引、检索、整合、生成和引用)，以及高级RAG方法。RAG结合检索系统和生成模型，实现动态访问外部知识，显著提升模型在问答、摘要等任务中的表现。本文转发自：大语言模型论文跟踪，主要是对论文《A Survey on Knowledge-Oriented Retrieval-Augmented Generation》的解读。]]></description><category></category></item><item><title><![CDATA[AI大模型Skills完全指南：从入门到精通，一篇就够了！]]></title><link>https://blog.csdn.net/bagell/article/details/157902727</link><guid>https://blog.csdn.net/bagell/article/details/157902727</guid><author>bagell</author><pubDate>Mon, 09 Feb 2026 11:55:54 +0800</pubDate><description><![CDATA[文章介绍Google的Antigravity AI IDE支持的Agent Skills功能，Skills是通过编写SKILL.md文档指导AI完成特定任务的标准化方法。文章展示了Skills的两种类型（项目级和全局级），并通过测试表明不同平台对Skills的支持已趋于一致。Skills的价值在于实现一次编写全平台通用、降低创作门槛、启动生态效应，可能开启AI应用开发的新时代。昨天，Google 的 Antigravity 正式宣布支持 Agent Skills 了。]]></description><category></category></item><item><title><![CDATA[AI大模型实战教程（超详细+代码）从零基础到精通，一篇全搞定，值得收藏！]]></title><link>https://blog.csdn.net/bagell/article/details/157902513</link><guid>https://blog.csdn.net/bagell/article/details/157902513</guid><author>bagell</author><pubDate>Mon, 09 Feb 2026 11:42:33 +0800</pubDate><description><![CDATA[本文详细探讨了基于大语言模型的智能体系统架构与实现方法。从LLM的核心能力出发，解析了智能体的三层结构（感知、决策、执行）及上下文管理机制，并介绍了如何集成API与向量数据库增强智能体功能。文章还介绍了ReAct、Hugging Face和LangChain等主流框架在智能体开发中的应用，为构建高效、灵活的智能体系统提供了全面的技术指导与实践案例。大语言模型（LLM）作为智能体的核心引擎之一，为智能体的构建带来了新的范式。]]></description><category></category></item><item><title><![CDATA[Agent思维链核心技术详解（保姆级教程）]]></title><link>https://blog.csdn.net/bagell/article/details/157902305</link><guid>https://blog.csdn.net/bagell/article/details/157902305</guid><author>bagell</author><pubDate>Mon, 09 Feb 2026 11:33:22 +0800</pubDate><description><![CDATA[目前 claude 4 sonnet、gemini 3 在 Agent 工具调用的场景下，都强制要求带工具调用的思考内容和签名，这个链路正常是能很大程度提升整体的推理执行效果，是 Agent 多步骤推理的必需品。但目前 Agent 模型的稳定性还是个问题，例如在某些场景下，业务逻辑明确需要下一步应该调工具 A，但模型思考后可能就是会概率性的调工具B，在以前是可以直接 hack 替换调工具调用，或手动插入其他工具调用，没有副作用。]]></description><category></category></item><item><title><![CDATA[2026个人 AI 知识库最优解]]></title><link>https://blog.csdn.net/bagell/article/details/156941865</link><guid>https://blog.csdn.net/bagell/article/details/156941865</guid><author>bagell</author><pubDate>Wed, 14 Jan 2026 11:18:20 +0800</pubDate><description><![CDATA[💡 核心要点 / Key Insights2026个人 AI 知识库最优解 作为一名深耕 OneNote 多年的老用户，我曾习惯于将所有的思考、摘录和文档通通塞进那个层级分明的笔记本里。但进入 AI 时代后，我意识到那种“…]]></description><category></category></item><item><title><![CDATA[# 2025 年大模型盘点：DeepSeek 时刻、Llama 失宠、刷榜泛滥...]]></title><link>https://blog.csdn.net/bagell/article/details/156940590</link><guid>https://blog.csdn.net/bagell/article/details/156940590</guid><author>bagell</author><pubDate>Wed, 14 Jan 2026 10:52:16 +0800</pubDate><description><![CDATA[本文基于老司机推荐的年终盘点这篇文章的原始作者叫 Raschka，长期在 Substack 输出技术内容。他的书被翻译成9种语言，被多所大学用作教材以下这些，是他对 2025 年大模型领域的观察和判断，在这里我做了一些重写&删改。]]></description><category></category></item><item><title><![CDATA[这是一份大模型应用学习路线！（附学习资料）]]></title><link>https://blog.csdn.net/bagell/article/details/156766686</link><guid>https://blog.csdn.net/bagell/article/details/156766686</guid><author>bagell</author><pubDate>Fri, 09 Jan 2026 16:07:19 +0800</pubDate><description><![CDATA[本文系统介绍大模型应用学习的五大核心技术：提示词工程、检索增强生成(RAG)、微调、模型部署及人工智能系统。通过从基础沟通技巧到高级系统构建的完整学习路线，帮助读者掌握大模型应用全流程，为成为年薪50W+的大模型应用工程师奠定基础，适合零基础入门到进阶学习。最近两年大模型发展很迅速，在理论研究方面得到很大的拓展，基础模型的能力也取得重大突破，大模型现在正在积极探索落地的方向，如果与各行各业结合起来是未来落地的一个重大研究方向。]]></description><category></category></item><item><title><![CDATA[AI大模型教程（史上最详细+建议收藏）从零基础入门到精通，一篇就够了！]]></title><link>https://blog.csdn.net/bagell/article/details/156766616</link><guid>https://blog.csdn.net/bagell/article/details/156766616</guid><author>bagell</author><pubDate>Fri, 09 Jan 2026 16:04:39 +0800</pubDate><description><![CDATA[中国大模型行业蓬勃发展，产业链涵盖基础层、模型层和应用层。当前商业化进程活跃，金融、政府、教育等领域渗透率高。2023年市场规模增长超100%，预计2030年将超2200亿元，年复合增速40%以上。未来预测大模型、决策大模型和具身智能大模型有望成为行业新风口。百度、阿里、腾讯等企业积极布局，专利申请数量领先。行业概况1、定义大模型是指包含超大规模参数(通常在十亿个以上)的神经网络模型。]]></description><category></category></item></channel></rss>