山东省住房和城乡建设厅服务网站丽水专业做网站

山东省住房和城乡建设厅服务网站,丽水专业做网站,读经典做临床报名网站,高端快速建站年初 3 月的某个深夜#xff0c;我还盯着OCR模型的准确率指标 —— 从 98.2% 卡到 98.5% 的瓶颈#xff0c;已经耗了我整整两周。而到了年末的今天#xff0c;我的屏幕上是 TTS 模型的demo界面#xff0c;旁边开着的文档是《RAG知识图谱召回》。这一年于我而言#xff0c;…年初 3 月的某个深夜我还盯着OCR模型的准确率指标 —— 从 98.2% 卡到 98.5% 的瓶颈已经耗了我整整两周。而到了年末的今天我的屏幕上是 TTS 模型的demo界面旁边开着的文档是《RAG知识图谱召回》。这一年于我而言是转身的一年从计算机视觉、OCR、知识图谱的旧战场跳到了大模型、TTS、RAG 的新赛道也是扎根的一年旧技能的根系悄悄撑住了新方向的枝桠。一、技术旧基础的新用法是我转身的底气决定转方向的契机很偶然 —— 年初部门接了个大模型辅助客服的项目需要把历史工单的非结构化文本做语义检索。我本以为是全新的领域直到打开需求文档看到向量检索实体关联这几个词突然反应过来我之前做 CV 时的特征向量匹配不就是 RAG 里的向量搜索之前搭建的知识图谱实体召回逻辑刚好能补上大模型的失忆短板。这成了我转身的第一个支点旧技能不是沉没成本是新方向的适配插件。我把 OCR 模型的文本输出改成了大模型的结构化输入模块 —— 比如把手写工单的 OCR 结果做纠错后喂给大模型解决了非规范文本无法被理解的问题尝试使用多模态进行文本识别只需要写提示词就能从图像中识别出想要的信息比之前的文字检测文字识别文字后处理简洁太多了知识图谱的实体关联逻辑被我改成了 RAG 的前置召回器—— 在向量检索前先用知识图谱过滤无关实体检索准确率大幅提升降低和减少幻觉问题的出现概率。当然也有全新的学习啃 NLP 基础时基于李宏毅老师的教学视频整理成博客系列第一次用 Dify 搭大模型应用完整的整理了dify项目的系统架构等写成dify系列文章AI Coding 工具帮我节省了写重复代码的时间但我也在博客里提醒大家别丢了手写基础逻辑的能力。二、创作博客是我的成长台账也是和同路人的暗号今年在 CSDN 写了70多篇文章几乎每一篇都和我的转身同步第一次成功对接大模型时连夜写了《ChatGPT大模型极简及应用开发系列》调 TTS 模型时调研了多种tts算法比如melottsvoicezipttsflashtts等从单流到双流服务的开发与部署甚至学宏观经济时也写了《从 PMI 数据看 AI 行业的 2025普通开发者该关注什么》—— 毕竟年初的房贷压力让我不得不从只看技术变成看技术 看趋势。写博客的时间是从生活里挤出来的这不是负担—— 有读者在博客下面留言 “我也在做类似项目博客帮我少走了一周弯路”还有刚转 AI 的后端同学问 “CV 转大模型需要补哪些 NLP 基础”这些互动让我觉得博客不只是我的成长台账更是和同路人的暗号—— 你踩过的坑我刚好也踩过你需要的经验我刚好攒了点。三、生活在不确定性里找平衡的笨办法今年的变化不止在技术房贷的压力、行业的波动让我不得不把平衡从口号变成日常计算。学宏观经济是为了看懂AI 行业的钱从哪来—— 毕竟年初公司缩招时通过2025 AI 岗位趋势哪些方向更抗风险提前调整了自己的学习重点学理财是为了对冲不确定性—— 把工资分成应急金 学习基金 定投哪怕项目节奏变了至少学习的钱不会断平衡工作和生活也比较的简单——目前也没有小孩个人的时间还是比较多的好记性不如烂笔头尽可能的多记录在方便自己的同时如果能帮助他人就更好了。我很清楚自己能顺利转方向是因为有之前的 AI 基础托底但和我同是期的前端同事想转 AI 时连向量是什么都要从头学 —— 这让我提醒大家先找自己技能里能迁移的部分别盲目从零开始。毕竟行业变化这么快被替代的危机感不是某个人的焦虑是我们都要面对的命题。结尾博客是我的锚点也是下一段路的起点今年能参与博客之星评选对我来说更像意外之喜—— 我写博客从来不是为了获奖而是为了把自己的转身经验记下来能帮到一两个同路人就够了。从 CV 调参到大模型落地从盯着准确率曲线到算房贷和理财这一年的成长不是学会了多少新技能而是学会了在变化里找延续在压力里找平衡。明年我想写更多技能迁移的内容比如如何把 OCR 经验用到多模态大模型里也想写更多普通人的 AI 生存指南—— 毕竟我们不是在和 AI 竞争是在和不成长的自己赛跑。感谢 CSDN 这个平台也感谢每一个看过我文章、留过言的读者 —— 你们的互动是我深夜写文时最亮的光。