一、初探AI：一场迟来的重逢
离开阿里的那天，我的工位收拾得很干净，不舍略带着一丝决绝。研究生三年埋首于神经网络与算法之间，那些在实验室熬过夜、为论文焦灼过的日子，原本以为会随着我踏入前端工程领域而逐渐淡去------是的，以前的我甚至认为人工智能大模型是噱头，它并不像工程那样脚踏实地，令人沉醉其中。
然而随着2022年末ChatGPT的惊人现世，再到2023年各大厂大模型以惊人的速度发展甚至解决了我工作中很多的代码问题，那时我才意识到，心底那簇关于AI的火，从未真正熄灭过。
转型加入一家研究型企业，与其说是职业路径的转折，不如说是一场与初心的重逢。从前端像素与交互逻辑中抽身，重新面对那些熟悉的梯度下降、注意力机制，竟有种老友重逢的亲切与生疏交织的感慨。我知道，这一次的人工智能浪潮中我不想再只做一个旁观者。
2025年春节，当DeepSeek带着令人惊艳的表现为国产大模型正名时，我正在电脑前逐行阅读着技术报告。那种感觉很难形容------像看见一颗自己长期关注的种子，终于破土而出，并且长得比所有人预想的都要挺拔。在那一刻我埋藏在内心的爱国热情与责任感不断迸发，屏幕上的代码也仿佛有了温度，那一刻我发现工作原来也可以这么有意义，不只是跟进，而是参与；不只是学习，而是创造。这场关于智能的深远变革，我想用自己的方式，留下一点真实的痕迹。
二、分享AI：从独自求索到点亮微光
2.1 从零开始
初到新环境的那段日子回忆起来并不美好，从互联网大厂严丝合缝的流程中跳出，突然要同时参与模型训练与智能体开发两条路，感觉工作节奏异常混乱。很多任务自己只是一个从0开始的新手------既要追赶技术浪潮，又要埋头夯实基础地基。节奏是混乱的，挑战是具体的，但回头再看，这片看似"不规范"的土壤，恰恰给了我的技术根系自由伸展的空间。
学习的过程并不总是一帆风顺。我像很多人一样，在大量冗杂的教程和代码中打转，很多视频、文档的知识是碎片化的，难以拼成完整的知识体系，学习成本非常高，花费了大量时间才适应了当前的工作。到了2025年，这个被称为"智能体开发元年"，当时研究生实验室的同学与我交流大模型学习的问题，我仿佛看到还有好多人站在人工智能时代转型的岔路口上：实验室里为微调模型苦恼的同学，工作中想踏入AI应用却不知从何下手的工程师，还有无数像曾经的我一样，从其他开发领域转身眺望这片新大陆的程序员。
于是，一个简单的念头萌生了：如果我能把这一路的磕绊、试错与顿悟，忠实地记录下来，或许就能为大家开辟一条敞亮的学习路线
2.2 产出分享
我把第一篇文章发在了掘金------这个陪伴我从前端岁月走来的社区。出乎意料的是，那些最初只是自我梳理的笔记，竟得到了不少反馈。一条条"感谢分享"的评论，一次次文章登上热榜的提示，让我真切地感受到：分享的价值，不在于塑造权威，而在于联结与确认------原来你我也一样，都在路上。
这一年，我写了102篇文章，在掘金收获了12万次阅读，全网阅读量更是突破百万。数字背后是我无数个夜晚的敲打与思考。为了让这些零散的知识更成体系，我陆续开设了几个专栏，希望它们可以成为指引大家快速掌握大模型的应用与开发技巧，拥抱大模型时代的一个个路标。
- 深入浅出LangChain&LangGraph AI Agent 智能体开发： 我投入心血最多的专栏。从项目实际需求出发，几乎是与langchain/langgraph的版本迭代同步成长。从0.3到1.0，从基础概念到复杂架构的源码剖析再到实战案例，所有的案例与代码都无偿分享，想让每个无论有无编程经验都能掌握智能体开发的基本技巧。
- MCP怎么玩?： 在MCP协议初露锋芒时便紧紧跟随。从stdio到SSE，再到streamable模式，我通过阅读底层代码、编写工具，为大家理清这条协议演进背后的逻辑与实战技巧。
- 大模型工程面试经典： 集了我在面试与被面试中遇到的真实问题与思考。它不但提供"标准答案"，而且呈现解决问题的思维过程，希望能给正在职业道路上探索的大家带来一些实在的参考。
- RAG革命：打破大模型知识边界：RAG不仅是热门技术，更是我日常工作里反复打磨的工程实践。在这个专栏里我不仅梳理脉络，更坦诚分享了在性能优化中走过的弯路与一些工程技巧，除此之外还有GraphRAG等前沿方向的初步探索。
- 人工智能大模型知识科普与人工智能大模型提示词教程： 这两个专栏源于一种朴素的愿望：降低前沿技术的认知门槛。我试图充当"翻译者"，深入研读DeepSeek、Qwen、GPT等模型的论文与技术报告，再用平实的语言和实测对比，将它们的特性讲清楚；同时，将提示词工程系统化，总结出那些能让模型更好发挥潜力的"沟通心法"。
大家的每一次订阅、点赞与评论，它们都无声地告诉我：你写下的东西，真的在对他人产生价值。 如果要为即将到来的2026年许下一个愿望，那便是：继续笔耕不辍，再写100篇真诚、扎实的技术文章。目标不在于数量，而在于一份承诺------承诺继续扎根于大模型训练与智能体开发的沃土，与所有正在这条道路上探索的程序员家人们一起成长，彼此照亮。前路漫漫，但当我们分享星火，便足以照亮彼此远征的航程。
三、与AI共舞：从工具到伙伴的范式转移
3.1 利用AI写代码：从"程序员"到"技术导演"
常常有读者好奇地问我："你写了这么多文章和项目代码，难道都是自己一行行敲出来的吗？"
说实话，这个问题的答案，恰好反映了这一年来我工作方式的根本转变。在编程大模型席卷而来的今天，纯粹的"手敲代码"已不再是效率的核心。我更愿意将自己现在的角色，形容为一个 "技术导演" ------我的核心任务不再是亲自操作每一个"摄像机"（编写每一行代码），而是清晰地构思蓝图、制定规范，并指导我最得力的AI助手们去高效执行。
具体来说，大模型已经深度融入我工作的每一个环节：
1. 工作中的代码协作：效率与创意的解放
在具体开发中，我将编码任务分为了两类：
-
前端与原型构建：大模型对前端技术的掌握程度，时常让我感到震惊。有时，我甚至会暗自庆幸自己转型得"及时"。现在只需清晰的描述，搭配Trae等助手，一个可交互的原型界面便能快速呈现。这让我将宝贵的时间投入到更关键的业务逻辑与架构设计上。
-
细粒度工具与CRUD业务：对于模式相对固定、逻辑清晰的工具函数或增删改查模块都是大模型的拿手好戏。它能快速提供高质量、符合规范的代码草案，我则专注于审核、优化与集成。坦率地说离开大模型，我或许真的会感到一丝"不适"------它已经像语法高亮和自动补全一样，成了我开发环境里不可或缺的底层设施。
-
调试与问题解决：过去的"面向谷歌/百度调试"，已悄然升级为"面向大模型的bug解决"。将复杂的报错信息、诡异的行为日志抛给大模型，往往能得到不止一个可能的原因和修复思路，极大地缩短了排查链路。
2. 技术输入与内容输出：知识处理的加速器
要保持技术敏感度，必须大量阅读论文、教程和源码。大模型在以下三个方面给了我很好的帮助：
-
论文与教程速读：它能快速提取核心思想、技术脉络与创新点，生成精炼的摘要。
-
源码分析与梳理：面对庞大的开源项目，我不再需要盲目地全局搜索。我会让大模型先帮我梳理模块架构和核心流程，快速定位到关键函数，我再针对性地进行"精读"与思考。这让我学习新框架的效率提升了数倍。
-
技术内容的创作辅助 ：我的文章内容始终坚持来自自己的实践与思考（坚决抵制"AI味"浓重的空洞文章）。但在创作过程中，大模型是得力的帮手：它可以基于我的实战案例和提示，快速生成某个智能体小案例的代码框架；可以在我思路卡顿时，提供几种不同的行文结构参考；甚至能帮我优化一下略显平淡的标题。
3. 日常与生活：无处不在的智能伙伴
大模型的能力早已溢出工作的边界融入我日常生活的细节：
-
内容创作：为文章生成一张匹配主题的封面图，或者快速将一段复杂的逻辑描述转化为清晰的流程图......多模态大模型让创意表达变得前所未有的简单。
-
知识查询与学习：这大概是最自然的应用了。如今，遇到任何陌生概念、历史背景或生活技巧，我的第一反应不再是打开搜索引擎，而是自然地唤出豆包或DeepSeek。它像一个理解力超强的百科全书，总能给出结构化、易于理解的回答。
3.2 拥抱Vibe Coding：一种全新的协作范式
我的AI编程工具探索史像极了一场不断"迁移"的游牧。从最初GitHub Copilot带来的惊艳，到Cursor那种行云流水般的"氛围感"编码体验，我一度以为自己找到了最佳拍档。然而随着Cursor的锁区之后，我的探索只能转向更开放的环境。
那段时间，我深度使用了VS Code的Cline及其变体Roo Cline。有趣的是，工具的限制反而激发了更强的创造欲。我不再仅仅是一个使用者，开始尝试用它们作为"乐高积木"，去搭建自己的小世界。比如，我不仅用它们快速开发了个人技术博客，还将这段从零到一的心路历程写成教程，分享给更多像我当时一样寻找出路的开发者，产出了如下两篇文章：
-
零门槛！手把手教你用VS Code + DeepSeek 免费玩转AI编程！（5分钟编写部署个人网站） ：这篇文章记录了我如何仅用自然语言指令和AI助手，在5分钟内编排出一个可上线的个人网站，它让大家见证了创造的门槛有时如此之低。
-
不写一行代码! VsCode+Cline+高德地图MCP Server 帮你搞定和女友的出行规划（附原理解析）：这个项目则更"生活化"。我将规划出行这个现实需求转化为了一个技术探索的契机，不仅做出了实用工具，更借此深入剖析了MCP协议的原理。毕竟技术最终是为了服务于具体的人和生活。
真正让我的工作流再次发生质变的，是Trae 的出现。坦白说，初代Trae的体验与当时的Cursor尚有差距，但它有一个无法抗拒的优势：免费且强大的Claude等模型支持 。还要啥自行车（想必很多博主和我使用Trae的初衷都类似）。然而，Trae真正打动我的，并非仅仅是"免费"。而是在后续的持续使用中，我肉眼可见地见证了一个工具的快速进化 。即使在后来模型访问政策收紧，我依然选择留在Trae。它提供的那种友好的、对话式的开发体验，已经让我产生了深度依赖，它从一个"可选项"变成了我编程环境中"不可或缺的伙伴"。
直到 Trae Solo模式 的发布，我被彻底折服了。Solo模式完美诠释了什么是"自然语言驱动的端到端开发"。你只需要清晰地描述一个想法（比如"做一个在线背单词应用"），它便能自主完成从需求分析、技术选型、编码、测试到部署建议的全流程。这不仅仅是效率工具，更是一个想法的"快速成型机" 。我利用Trae Solo这把"利器"，完成了一系列从想法到产品的实践，并将心得凝结成文章：
- Chatbox支持接入LangGraph智能体？一切都靠Trae Solo!：这篇是"连接器"。我通过Trae Solo快速搭建了一座桥，让强大的LangGraph智能体能够轻松接入一个轻量的聊天客户端，让技术的"后端能力"拥有了一个友好的"前端面孔"。
- LangChain1.0实战之多模态RAG系统（四）------Trae Solo搭建部署多模态RAG前端(附AI编程实践指南)：这是一个"全栈闭环"的证明。从复杂的后端RAG逻辑到直观的前端交互界面，Trae Solo帮助我高效地完成了全链路的构建，验证了其应对复杂项目的能力。
- 轻松搞定年度报告可视化，五分钟用 AntV + Trae Solo 快速构建智能图表生成器：这篇则回归到"解决一个具体问题"。它揭示了一个朴素道理：让智能体融入生活，不必始于宏大的构想。从一个能即刻解决你眼前麻烦的小工具开始，就是最好的起点。
这些实践也让我在掘金平台的活动中收获了鼓励和奖励。借此机会，必须为掘金这个真正懂开发者的社区打个Call------它不仅是优质内容的平台，更通过一次次用心的活动，构建了一个充满活力的技术创作者生态。
3.3 Vibe Coding编程最佳实践
在密集使用Trae Solo完成多个项目后，我逐渐摸索出一些让协作效率倍增的"心法"。这些经验部分总结于我的文章LangChain1.0实战之多模态RAG系统（四）------Trae Solo搭建部署多模态RAG前端(附AI编程实践指南)，也得益于像掘金阿星老师 等优秀同行的启发破防了！阿星一年用AI撸了50个项目，这10条避坑经验你必须知道。主要有如下几条：
-
工程化提示词
最大的误区莫过于认为"随便说一句，AI就能懂"。事实是，模糊的输入必然得到不靠谱的输出。我强烈推荐使用 「EARS」等结构化提示词框架，哪怕是小项目，也要清晰定义：
- 背景与约束
- 明确需求
- 你期望的具体产出格式
-
工作流智能体化
当你发现某个提示词组合能稳定解决一类问题（比如"分析日志"、"生成SQL"）时，不要只保存这段文本 。利用Trae Solo等工具，将这个"提示词+上下文"打包成一个可复用的智能体或插件。
-
精细化调试
- 前端调试：直接利用工具的"选择元素"功能定位问题，远比在对话中抽象描述"那个按钮颜色不对"要高效得多。
- 错误排查 ：不要光说"报错了"。务必提供完整的错误堆栈、相关代码片段、以及你已尝试过的步骤。给AI一个完整的"破案现场"，它才能给出准确的"侦破方向"。
-
上下文管理
与AI的深度协作会产生大量有价值的对话历史，它们是你的"第二大脑"。我强烈推荐使用 Memory MCP 这类工具，将重要的技术决策、代码片段、问题解决方案分门别类地保存下来。这相当于为你和AI的每次协作都建立了可追溯、可复用的知识库，让每一次交流都站在之前积累的经验上。
与AI共舞的精髓，不在于找到"最强"的工具，而在于你能否将任何工具融入你的思维流，形成独一无二的"人机协作范式"。 从模糊的想法，到清晰的结构，再到自动化的流程和可积累的记忆------这，便是我在2025年与AI共舞中，踩出的最踏实的步点。
四、2026博文撰写百篇计划启动！
明天开始就2026年了，笔者也将写下2026年的第一行文字，立志完成2026年百篇文章计划。明年的目光依然聚焦于三个领域：大模型训练、智能体开发与前沿技术跟踪。尤其是大模型训练，我收到了太多来自实验室与业界的追问------许多研究生同学和工程师伙伴都在私信里问我同一个问题："究竟如何训练一个大模型？"
从学术界"追逐热点"的领域微调，到工业界"解决专有任务"的精炼小模型，训练专属模型已成为不可逆的主流方向。这一年，我亲身参与了从数据清洗、参数调试到性能评估的全过程，积攒了大量的实战感悟、踩过的坑和突见光明的顿悟。明年，我打算把这些宝贵的"一手经验"，毫无保留地整理成专栏。
当然，谈论训练无法绕过算力这道现实的门槛。昂贵的GPU曾是许多人梦想的拦路石。正因如此，我今年特意与一些可靠的算力平台展开了合作，希望能为大家铺一小段路。你可以通过 www.lab4ai.cn/register?ag... 注册Lab4ai算力平台 ，提供了包括英伟达H系列在内的多种选择，更有 5小时的免费体验额度。希望这份小小的"新年礼物"，能让你先抛开硬件焦虑，专注于让第一个想法跑起来。
2026年，我仍在"掘金"这片我们熟悉的园地。让我们继续一起，保持好奇，深入原理，动手创造。
五、未来展望
一眨眼，2025年真的结束了。回望这一年，大模型领域的变化堪称"肉眼可见的翻天覆地"。有时感觉稍一驻足，眼前已是新景。在这种飞速的迭代中，有人兴奋，也有人难免生出焦虑与彷徨。
但我想说，我们或许不必悲观，更不必焦虑。是的，当前的大模型已经能解决许多令人惊叹的问题，但那个关键的 "最后一公里" ------如何让技术丝滑、可靠、接地气地融入真实的生产与生活------远未完美解决。这未完成的旅程，恰恰是我们所有人的机会。问题不是技术的终点，而是我们创造价值的起点。
所以，与其对未来感到不确定，不如让我们充满期待 。期待的不是一个被设定好的完美未来，而是我们亲手参与塑造的、不断进化的明天。拥抱变化，拥抱未来，本质上就是拥抱一种新的可能性------拥抱"AI赋能下的创造"。 它不意味着被替代，而意味着我们的思维可以站在更高的杠杆之上，去实现那些曾经因繁琐实现而深藏心底的构想。
2026年，我与大模型的故事，还会继续。我与大家的学习与工作生涯，依然充满希望。