臺前做網(wǎng)站的公司,wordpress5.2.2下載,做網(wǎng)站是怎么賺錢的違法,建設(shè)銀行官方網(wǎng)站-云服務(wù)本文深入探討了AI Agent的理論基礎(chǔ)與第一性原理#xff0c;詳細(xì)分析了Agent協(xié)作技術(shù)從手藝人到現(xiàn)代企業(yè)組織的五個(gè)發(fā)展階段#xff0c;概述了Agent在算力、知識記憶、預(yù)測和動作執(zhí)行方面的核心能力。文章展望了未來技術(shù)發(fā)展方向#xff0c;包括大模…本文深入探討了AI Agent的理論基礎(chǔ)與第一性原理詳細(xì)分析了Agent協(xié)作技術(shù)從手藝人到現(xiàn)代企業(yè)組織的五個(gè)發(fā)展階段概述了Agent在算力、知識記憶、預(yù)測和動作執(zhí)行方面的核心能力。文章展望了未來技術(shù)發(fā)展方向包括大模型專業(yè)化、多模態(tài)能力提升、減少人類指令輸入、數(shù)據(jù)共享與應(yīng)用擴(kuò)展強(qiáng)調(diào)不同協(xié)作階段各有適用場景共同構(gòu)成AI技術(shù)發(fā)展生態(tài)。前排提示文末有大模型AGI-CSDN獨(dú)家資料包哦目錄1 人工智能與第一性原理2 基于第一性原理的發(fā)展軌跡3 Agent 協(xié)作技術(shù)發(fā)展軌跡4 Agent能力概述5 未來的思考6 未來技術(shù)的發(fā)展與應(yīng)用7 總結(jié)在本文中我們將深入探討AI Agent的理論支撐以及其背后的第一性原理回顧和分析第一性原理的發(fā)展軌跡現(xiàn)階段AI Agent所具備的能力并探討其在各個(gè)領(lǐng)域中的應(yīng)用。接著我們會展望AI Agent未來的發(fā)展方向特別是在多Agent協(xié)作中的潛力和挑戰(zhàn)。最后我們將探討Agent的未來技術(shù)發(fā)展及其廣泛應(yīng)用前景為讀者提供一個(gè)全面且深入的視角來理解和預(yù)測AI Agent的未來。關(guān)注騰訊云開發(fā)者一手技術(shù)干貨提前解鎖鵝廠程序員面對面直播繼續(xù)每周將邀請鵝廠明星技術(shù)大咖講解 AI 時(shí)代下的“程序員護(hù)城河”。更有蛇年公仔等精美周邊等你來拿記得提前預(yù)約直播01人工智能與第一性原理大家好今天我想和大家討論一下人工智能中的第一性原理以及它在我們?nèi)粘＜夹g(shù)中的應(yīng)用。首先什么是第一性原理簡單來說第一性原理就是從最基本的事實(shí)或假設(shè)出發(fā)通過邏輯推理得出結(jié)論。在人工智能領(lǐng)域第一性原理非常重要因?yàn)樗鼛椭覀兝斫夂湍M人類的認(rèn)知和行為。第一性原理的重要性掌握第一性原理有多個(gè)原因。首先它是我們后續(xù)開發(fā)和協(xié)作的基礎(chǔ)。無論是引擎的協(xié)作還是多種技術(shù)的協(xié)作都是基于第一性原圖像識別的進(jìn)化圖像識別技術(shù)的進(jìn)化可以很好地體現(xiàn)第一性原理的重要性。圖像識別的重大突破之一來源于1981年諾貝爾醫(yī)學(xué)獎的研究。這個(gè)研究分析了人類視覺神經(jīng)的傳導(dǎo)機(jī)制發(fā)現(xiàn)我們的視覺皮層是分層級的。當(dāng)圖像從我們的眼睛進(jìn)入大腦時(shí)信息處理是分層級進(jìn)行的第一級模糊的形狀和顏色。第二級具體的特征。第三級具體的識別。有了這個(gè)理論依據(jù)后我們對圖像識別的神經(jīng)算法進(jìn)行了改進(jìn)。從淺層到深度學(xué)習(xí)在早期我們的圖像識別算法通常只有三層結(jié)構(gòu)輸入層、中間的隱層和輸出層。然而這種結(jié)構(gòu)的識別準(zhǔn)確率有限。通過借鑒視覺皮層的分層機(jī)制我們引入了多層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)即深度學(xué)習(xí)。深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)通過增加多層隱層大大提高了圖像識別的準(zhǔn)確率。這一進(jìn)化充分展示了第一性原理在技術(shù)發(fā)展中的關(guān)鍵作用。02基于第一性原理的發(fā)展軌跡在探討Agent的協(xié)作時(shí)實(shí)際上是在討論一種人的活動的組織方式。為什么這么說呢我們可以通過一個(gè)例子來更好地理解這一點(diǎn)。第一階段個(gè)人手藝人最開始可能是個(gè)人手藝人他們獨(dú)自完成所有工作。這種單打獨(dú)斗的方式雖然有其獨(dú)特性但效率較低每個(gè)產(chǎn)品可能都不一樣。第二階段小作坊或工作室接下來是小作坊或工作室的階段。這個(gè)階段中有了一群人共同協(xié)作開始出現(xiàn)分工。分工是進(jìn)入現(xiàn)代工業(yè)的起步標(biāo)志每個(gè)人在各自的專業(yè)領(lǐng)域中完成特定任務(wù)。同時(shí)小作坊會有專門的人進(jìn)行管理。第三階段流水線第三個(gè)階段是流水線的出現(xiàn)。流水線的概念是從小作坊轉(zhuǎn)變?yōu)楣S的標(biāo)志要求大批量的生產(chǎn)。流水線是20世紀(jì)初工業(yè)革命后的重要發(fā)展極大地提高了生產(chǎn)效率。第四階段小型公司的協(xié)作第四個(gè)階段是小型公司的協(xié)作。這可以看作是現(xiàn)代工廠和企業(yè)制造部門的雛形。在這個(gè)階段不僅生產(chǎn)質(zhì)量和產(chǎn)量都得到了成倍的提升企業(yè)的組織和管理也更加完善。第五階段現(xiàn)代企業(yè)的綜合協(xié)作第五個(gè)階段是現(xiàn)代企業(yè)的綜合協(xié)作。如今許多小型公司通過整合成為一個(gè)部門或事業(yè)群。在這個(gè)階段企業(yè)不僅專注于生產(chǎn)還包括前期調(diào)研、市場營銷和零售布局等多方面的工作。通過這些綜合性的協(xié)作企業(yè)能夠更有效地推廣和銷售產(chǎn)品。03Agent 協(xié)作技術(shù)發(fā)展軌跡第一階段手藝人手藝人代表人的腦力執(zhí)行特點(diǎn)其門檻較低每個(gè)人都可以做這個(gè)事情但要做到最好的人卻寥寥無幾。Agent技術(shù)代表的是算法、算力和模態(tài)理解。當(dāng)前的大模型技術(shù)就是在這一階段表現(xiàn)出來的當(dāng)算法突破瓶頸后將顯現(xiàn)出稀缺性超過其他模型。Agent 技術(shù)一般用于聊天、總結(jié)和翻譯可以直接輸出知識。第二階段工作室工作室的特點(diǎn)是有一個(gè)靈魂人物例如小老板負(fù)責(zé)產(chǎn)品立項(xiàng)和設(shè)計(jì)決策并將具體任務(wù)分發(fā)給關(guān)鍵的手藝人。工作室產(chǎn)品通常是定制化的結(jié)合用戶內(nèi)容進(jìn)行定制。關(guān)鍵技術(shù)包括意圖模型和工具使用。業(yè)界例如豆包元寶、頻道問問等AI產(chǎn)品都在進(jìn)行特定內(nèi)容的上下文處理進(jìn)行總結(jié)、問答和聊天等娛樂化功能。第三階段流水線流水線的特點(diǎn)是批量化執(zhí)行和拉線管理。在工廠里每個(gè)流水線都有線管理人員監(jiān)督工作進(jìn)度確保生產(chǎn)環(huán)節(jié)順利進(jìn)行。對應(yīng)的Agent 技術(shù)包括任務(wù)編排、管理和AI-Devops。舉例來說任務(wù)分發(fā)后可通過多種方式執(zhí)行并回收結(jié)果。產(chǎn)品示例包括豆包的Coze平臺和Dify平臺。第四階段小型組織小型組織類似現(xiàn)代工廠的制造部門關(guān)鍵技術(shù)是規(guī)劃決策算法和自動化技術(shù)。任務(wù)在這一階段可能是模糊的需要規(guī)劃和決策算法來優(yōu)化產(chǎn)品。自動化技術(shù)結(jié)合MCP提高效率。例如規(guī)劃決策算法用于分析問題、數(shù)據(jù)和工具選擇自動化技術(shù)使任務(wù)執(zhí)行更快。第五階段現(xiàn)代企業(yè)組織現(xiàn)代企業(yè)組織有多個(gè)部門協(xié)助關(guān)鍵在于持續(xù)穩(wěn)定的角色驅(qū)動。當(dāng)前所有上下文基于用戶輸入啟動但組織需持續(xù)運(yùn)轉(zhuǎn)實(shí)時(shí)調(diào)整數(shù)據(jù)輸入和反饋。關(guān)鍵技術(shù)包括數(shù)據(jù)共享和自我決策驅(qū)動通過接入更多數(shù)據(jù)實(shí)現(xiàn)自我迭代。所以現(xiàn)在的環(huán)境感知在Agent上的應(yīng)用還比較少Agent協(xié)作的未來形態(tài)應(yīng)該是持續(xù)運(yùn)營狀態(tài)基于持續(xù)數(shù)據(jù)輸入可以對自身進(jìn)行迭代。例如PM和DS同學(xué)作為兩個(gè)Agent每天交流信息他們可能共同開了個(gè)會議目標(biāo)更新了。 當(dāng)這個(gè)目標(biāo)需要兩個(gè)角色共同完成時(shí)Agent集群自我編排兩個(gè)Agent整合成新的高維Agent來實(shí)現(xiàn)目標(biāo)。類似項(xiàng)目組織的概念企業(yè)組織通過OKR驅(qū)動目標(biāo)劃分依據(jù)部門定位編排目標(biāo)。當(dāng)外面的產(chǎn)品或技術(shù)出現(xiàn)變化時(shí)企業(yè)會自己更新組織來適應(yīng)。 對于Agent協(xié)作來說到達(dá)企業(yè)級別的Agent會自行通過決策基于已有基礎(chǔ)創(chuàng)建新的Agent來適應(yīng)變化然后持續(xù)的外部數(shù)據(jù)輸入后能更新迭代進(jìn)行編排?？偨Y(jié) 各階段的技術(shù)演進(jìn)展示了從手藝人到現(xiàn)代企業(yè)組織的逐步發(fā)展每個(gè)階段都有相應(yīng)的技術(shù)和應(yīng)用場景。應(yīng)用的選擇根據(jù)使用場景和用戶規(guī)模判斷不一定每個(gè)應(yīng)用都要走到最后階段。04Agent能力概述Agent的能力主要可以分為以下幾個(gè)部分算力知識記憶預(yù)測功能動作執(zhí)行。知識記憶 (Memory and Knowledge)Agent的大腦負(fù)責(zé)記憶和知識的獲取。知識記憶通常通過微調(diào)訓(xùn)練或者特定方案如RAG的方案來實(shí)現(xiàn)。這些方法使Agent能夠在不同情況下調(diào)用相關(guān)知識。預(yù)測功能對于預(yù)測任務(wù)Agent可以將圖像、多模態(tài)數(shù)據(jù)等轉(zhuǎn)換成文本形式然后進(jìn)行預(yù)測。這種轉(zhuǎn)換使得Agent在處理不同類型的數(shù)據(jù)時(shí)更加靈活和高效。動作執(zhí)行 (Action)動作執(zhí)行是通過工具能力來實(shí)現(xiàn)的例如API調(diào)用、SQL調(diào)用以及機(jī)械手的操作等。這些調(diào)用都屬于Agent的動作執(zhí)行部分。具體來說工具能力主要分為以下幾種API調(diào)用SQL調(diào)用機(jī)械手操作…工具能力在工具能力方面舉一個(gè)例子主要是通過 ReAct 的方案來實(shí)現(xiàn)API調(diào)用和搜索。這些都屬于工具能力的一部分。MCP (萬能插口)MCP的概念可以理解為一個(gè)萬能的插口。目前所有的工具調(diào)用都可能各自有各自的沙箱板而MCP則作為一個(gè)通用接口使得所有工具都能插上去從而提高了兼容性和靈活性。RAG (知識補(bǔ)充)RAG的概念是一個(gè)知識補(bǔ)充機(jī)制用于增強(qiáng)Agent的知識庫?？偨Y(jié) 當(dāng)前的Agent通過整合計(jì)算能力、知識記憶、預(yù)測功能和動作執(zhí)行等多個(gè)方面能夠高效地與外部用戶進(jìn)行交互并完成復(fù)雜的任務(wù)。這些能力的實(shí)現(xiàn)依賴于各種工具和接口的使用例如API調(diào)用、SQL調(diào)用和機(jī)械手操作等。通過MCP和Read等機(jī)制Agent能夠更加靈活地調(diào)用和補(bǔ)充知識從而提升整體性能。05未來的思考這些想法都是我個(gè)人的見解沒有參考任何資料可能不完全正確大家可以一起討論。當(dāng)前的協(xié)作方式1、層級結(jié)構(gòu)現(xiàn)代的協(xié)作方式通常基于層級結(jié)構(gòu)。用戶輸入信息后系統(tǒng)Agent會規(guī)劃執(zhí)行的工具或任務(wù)然后由各個(gè)子系統(tǒng)agents繼續(xù)執(zhí)行。這一過程是層級化的。網(wǎng)狀結(jié)構(gòu)的概念2、網(wǎng)絡(luò)狀的社會組織未來的發(fā)展可能更傾向于網(wǎng)狀結(jié)構(gòu)即各個(gè)節(jié)點(diǎn)如個(gè)人、公司、社區(qū)等可以互相通信。例如當(dāng)我提出一個(gè)問題時(shí)系統(tǒng)會通過多節(jié)點(diǎn)傳導(dǎo)最終得到知識反饋。進(jìn)化點(diǎn)3、上游與下游關(guān)系的變化傳統(tǒng)的系統(tǒng)Agent通常通過人為分配任務(wù)。未來的系統(tǒng)可能會實(shí)現(xiàn)更自主的上游與下游關(guān)系。例如當(dāng)我提出一個(gè)問題時(shí)如果系統(tǒng)發(fā)生了變化它會自動通知相關(guān)人員進(jìn)行下一步操作。4、信息共享網(wǎng)絡(luò)為了實(shí)現(xiàn)上述網(wǎng)狀結(jié)構(gòu)信息共享是必不可少的。舉個(gè)例子當(dāng)我問AI PM項(xiàng)目經(jīng)理某個(gè)問題如軟件版本發(fā)布情況、覆蓋率等AI PM可以幫我查到部分信息但需要進(jìn)一步的信息時(shí)系統(tǒng)會自動查詢其他相關(guān)節(jié)點(diǎn)如AI DS數(shù)據(jù)科學(xué)并整合反饋而不需要我重復(fù)輸入問題。5、原突變與自我進(jìn)化系統(tǒng)應(yīng)具備自我進(jìn)化和自我編排的能力。例如當(dāng)系統(tǒng)發(fā)現(xiàn)某個(gè)問題沒有得到有效回答時(shí)它可以自動創(chuàng)建新的子系統(tǒng)agents來解決問題。舉個(gè)例子如果我問“QQ在微博上的熱搜是什么”而系統(tǒng)無法回答它可以自動生成用于查詢微博熱搜的代碼并創(chuàng)建相應(yīng)的agent。第二天當(dāng)我再問同樣的問題時(shí)系統(tǒng)已經(jīng)具備了解答的能力。結(jié)論通過以上幾點(diǎn)我們可以看到未來系統(tǒng)的發(fā)展方向可能更加自主、網(wǎng)絡(luò)化和智能化。信息共享和自我進(jìn)化將是關(guān)鍵因素使得系統(tǒng)能夠更高效地處理復(fù)雜問題。06未來技術(shù)的發(fā)展與應(yīng)用未來技術(shù)的發(fā)展與應(yīng)用將會有幾個(gè)重要的方向包括大模型的專業(yè)化、指令庫的應(yīng)用、模型多模態(tài)能力的提升以及更少的人類指令輸入等方面。大模型與基礎(chǔ)設(shè)施的專業(yè)化隨著技術(shù)的發(fā)展大模型和基礎(chǔ)設(shè)施會變得更加專業(yè)化。過去軟件工程主要集中在代碼方面但未來會更多地涉及到指令庫的概念。指令庫可以包含一些“魔法指令”用戶不需要自己去查找或編寫指令只需調(diào)用指令庫中的現(xiàn)有指令即可。例如用戶想要創(chuàng)建一個(gè)特定的引擎指令庫可以自動生成相應(yīng)的指令并注入到系統(tǒng)中從而簡化了操作過程。模型的多模態(tài)能力未來的模型將會整合更多的模態(tài)信息。例如谷歌最新的視頻生成技術(shù)可以同時(shí)生成語音和視頻內(nèi)容。未來可能會有更多的信息被生成如視頻中的物體坐標(biāo)等。這種多模態(tài)的信息輸入將使模型更加智能和全面。更少的人類指令輸入Less Prompt隨著技術(shù)的進(jìn)步人類輸入的指令會越來越少。例如代碼補(bǔ)全工具從最初的按回車補(bǔ)全下一行代碼到按Tab鍵補(bǔ)全整個(gè)文檔的內(nèi)容。這種趨勢表明未來用戶輸入的指令會更少系統(tǒng)會根據(jù)少量的輸入自動生成完整的內(nèi)容?；诖a補(bǔ)全的概念Cursor前的代碼補(bǔ)全概念功能按下回車鍵后自動補(bǔ)全下一行代碼。Curosr 概念功能按下 Tab 鍵后不僅全文補(bǔ)全自動預(yù)測下一個(gè)要補(bǔ)全的代碼位置還會根據(jù)整個(gè)工程進(jìn)行編程補(bǔ)全。優(yōu)勢減少用戶輸入的內(nèi)容。應(yīng)用于客戶端應(yīng)用的智能推薦思路操作行為分析通過 Less Prompt 的概念引導(dǎo)我們可以減少用戶的操作行為來執(zhí)行指令。示例簡化用戶操作可能只需一步點(diǎn)擊即可完成任務(wù)類似補(bǔ)全操作路徑的概念商業(yè)應(yīng)用中的數(shù)據(jù)共享目前AI在生成結(jié)果時(shí)往往缺乏上下文數(shù)據(jù)的共享。例如當(dāng)用戶提出多個(gè)問題時(shí)AI需要記錄這些問題并基于這些記錄推薦相關(guān)問題和答案。未來數(shù)據(jù)共享和整合將會更加重要以便AI能夠更好地理解用戶的需求并生成相應(yīng)的結(jié)果。更多數(shù)據(jù)More Data未來的AI模型將會依賴更多的數(shù)據(jù)進(jìn)行訓(xùn)練。例如醫(yī)療領(lǐng)域是一個(gè)可能爆發(fā)的應(yīng)用場景。醫(yī)療行業(yè)每年投入大量資金而富人對延長壽命的需求使得這一領(lǐng)域有很大的發(fā)展?jié)摿?。具體應(yīng)用如胃腸道膠囊攝像頭可以通過攝像頭拍攝上千張圖片然后基于AI分析這些圖片檢測消化道是否有息肉或其他問題。這樣可以大大減少人工分析的時(shí)間和成本提高診斷效率。More Data 概念定義在模型中輸入更多的數(shù)據(jù)使其能夠更好地學(xué)習(xí)和理解用戶需求。實(shí)現(xiàn)增加數(shù)據(jù)量以提高模型的性能和準(zhǔn)確性。通過以下策略我們可以顯著提升用戶體驗(yàn)減少用戶指令利用智能補(bǔ)全功能和歷史數(shù)據(jù)推薦。優(yōu)化 AI 推薦共享狀態(tài)數(shù)據(jù)提高問題生成的準(zhǔn)確性。增加數(shù)據(jù)量輸入更多數(shù)據(jù)以增強(qiáng)模型學(xué)習(xí)能力。技術(shù)爆發(fā)的非線性應(yīng)用技術(shù)的爆發(fā)往往是突變性的、非線性的。例如1981年視覺皮層分層基礎(chǔ)研究獲得諾貝爾醫(yī)學(xué)獎但直到1990年圖像識別技術(shù)在才開始爆發(fā)自然語言大模型的概念應(yīng)用也是如此。引用個(gè)老圖展示人工智能各領(lǐng)域的發(fā)展?fàn)顟B(tài)圖源網(wǎng)絡(luò)07總結(jié)未來技術(shù)的發(fā)展將會集中在大模型的專業(yè)化、多模態(tài)能力的提升、更少的人類指令輸入、數(shù)據(jù)共享和更多的數(shù)據(jù)應(yīng)用上。這些趨勢將會推動各個(gè)領(lǐng)域的技術(shù)進(jìn)步特別是在醫(yī)療等高投入的領(lǐng)域可能會有更多的突破和應(yīng)用。另外不同的Agent協(xié)作技術(shù)階段都有其存在的意義并不是所有技術(shù)都必須演進(jìn)到最后階段。 這才構(gòu)成了我們現(xiàn)在的社會活動。如何學(xué)習(xí)AI大模型 “最先掌握AI的人將會晚掌握AI的人有競爭優(yōu)勢晚掌握AI的人比完全不會AI的人競爭優(yōu)勢更大”。在這個(gè)技術(shù)日新月異的時(shí)代不會新技能或者說落后就要挨打。老藍(lán)我作為一名在一線互聯(lián)網(wǎng)企業(yè)保密不方便透露工作十余年指導(dǎo)過不少同行后輩。幫助很多人得到了學(xué)習(xí)和成長。我是非常希望可以把知識和技術(shù)分享給大家但苦于傳播途徑有限很多互聯(lián)網(wǎng)行業(yè)的朋友無法獲得正確的籽料得到學(xué)習(xí)的提升所以也是整理了一份AI大模型籽料包括AI大模型入門學(xué)習(xí)思維導(dǎo)圖、精品AI大模型學(xué)習(xí)書籍手冊、視頻教程、落地項(xiàng)目實(shí)戰(zhàn)等免費(fèi)分享出來。點(diǎn)擊即可獲取大模型學(xué)習(xí)包2026年最新版AI大模型學(xué)習(xí)路線圖100套AI大模型商業(yè)化落地方案100集大模型視頻教程200本大模型PDF書籍LLM面試題合集AI產(chǎn)品經(jīng)理資源合集大模型學(xué)習(xí)路線想要學(xué)習(xí)一門新技術(shù)你最先應(yīng)該開始看的就是學(xué)習(xí)路線圖而下方這張超詳細(xì)的學(xué)習(xí)路線圖按照這個(gè)路線進(jìn)行學(xué)習(xí)學(xué)完成為一名大模型算法工程師拿個(gè)20k、15薪那是輕輕松松視頻教程首先是建議零基礎(chǔ)的小伙伴通過視頻教程來學(xué)習(xí)其中這里給大家分享一份與上面成長路線學(xué)習(xí)計(jì)劃相對應(yīng)的視頻教程。文末有整合包的領(lǐng)取方式技術(shù)書籍籽料當(dāng)然當(dāng)你入門之后僅僅是視頻教程已經(jīng)不能滿足你的需求了這里也分享一份我學(xué)習(xí)期間整理的大模型入門書籍籽料。文末有整合包的領(lǐng)取方式大模型實(shí)際應(yīng)用報(bào)告合集這套包含640份報(bào)告的合集涵蓋了AI大模型的理論研究、技術(shù)實(shí)現(xiàn)、行業(yè)應(yīng)用等多個(gè)方面。無論您是科研人員、工程師還是對AI大模型感興趣的愛好者這套報(bào)告合集都將為您提供寶貴的信息和啟示。文末有整合包的領(lǐng)取方式大模型落地應(yīng)用案例PPT光學(xué)理論是沒用的要學(xué)會跟著一起做要動手實(shí)操才能將自己的所學(xué)運(yùn)用到實(shí)際當(dāng)中去這時(shí)候可以搞點(diǎn)實(shí)戰(zhàn)案例來學(xué)習(xí)。文末有整合包的領(lǐng)取方式大模型面試題答案截至目前大模型已經(jīng)超過200個(gè)在大模型縱橫的時(shí)代不僅大模型技術(shù)越來越卷就連大模型相關(guān)的崗位和面試也開始越來越卷了。為了讓大家更容易上車大模型算法賽道我總結(jié)了大模型常考的面試題。文末有整合包的領(lǐng)取方式領(lǐng)取方式這份完整版的 AI大模型學(xué)習(xí)籽料我已經(jīng)上傳CSDN需要的同學(xué)可以微?掃描下方CSDN官方認(rèn)證二維碼免費(fèi)領(lǐng)取