從分享AI，到與AI共舞—大模型真好玩的2025總結

一、初探AI：一場遲來的重逢

離開阿里的那天，我的工位收拾得很乾淨，不捨略帶著一絲決絕。研究生三年埋首於神經網路與演算法之間，那些在實驗室熬過夜、為論文焦慮過的日子，原本以為會隨著我踏入前端工程領域而逐漸淡去——是的，以前的我甚至認為人工智慧大模型是噱頭，它並不像工程那樣腳踏實地，令人沈醉其中。

然而隨著2022年末ChatGPT的驚人現世，再到2023年各大廠大模型以驚人的速度發展甚至解決了我工作中很多的程式碼問題，那時我才意識到，心底那簇關於AI的火，從未真正熄滅過。

轉型加入一家研究型企業，與其說是職業路徑的轉折，不如說是一場與初心的重逢。從前端像素與互動邏輯中抽身，重新面對那些熟悉的梯度下降、注意力機制，竟有種老友重逢的親切與生疏交織的感慨。我知道，這一次的人工智慧浪潮中我不想再只做一個旁觀者。

2025年春節，當DeepSeek帶著令人驚艷的表現為國產大模型正名時，我正在電腦前逐行閱讀著技術報告。那種感覺很難形容——像看見一顆自己長期關注的種子，終於破土而出，並且長得比所有人預想的都要挺拔。在那一刻我埋藏在內心的愛國熱情與責任感不斷迸發，螢幕上的程式碼也仿佛有了溫度，那一刻我發現工作原來也可以這麼有意義，不只是跟進，而是參與；不只是學習，而是創造。這場關於智能的深遠變革，我想用自己的方式，留下一點真實的痕跡。

二、分享AI：從獨自求索到點亮微光

2.1 從零開始

初到新環境的那段日子回憶起來並不美好，從互聯網大廠嚴絲合縫的流程中跳出，突然要同時參與模型訓練與智能體開發兩條路，感覺工作節奏異常混亂。很多任務自己只是個從0開始的新手——既要追趕技術浪潮，又要埋頭夯實基礎地基。節奏是混亂的，挑戰是具體的，但回頭再看，這片看似“不規範”的土壤，恰恰給了我的技術根系自由伸展的空間。

學習的過程並不總是一帆風順。我像很多人一樣，在大量冗雜的教程和程式碼中打轉，很多視頻、文檔的知識是碎片化的，難以拼成完整的知識體系，學習成本非常高，花費了大量時間才適應了當前的工作。到2025年，這個被稱為“智能體開發元年”，當時研究生實驗室的同學與我交流大模型學習的問題，我仿佛看到還有好多人站在人工智能時代轉型的岔路口上：實驗室裡為微調模型苦惱的同學，工作中想踏入AI應用卻不知從何下手的工程師，還有無數像曾經的我一樣，從其他開發領域轉身眺望這片新大陸的程式設計師。

於是，一個簡單的念頭萌生了：如果我能把這一路的磕絆、試錯與頓悟，忠實地記錄下來，或許就能為大家開闢一條敞亮的學習路線

2.2 產出分享

我把第一篇文章發在了掘金——這個陪伴我從前端歲月走來的社區。出乎意料的是，那些最初只是自我梳理的筆記，竟得到了不少反饋。一條條“感謝分享”的評論，一次次文章登上熱榜的提示，讓我真切地感受到：分享的價值，不在於塑造權威，而在於聯結與確認——原來你我也一樣，都在路上。

這一年，我寫了102篇文章，在掘金收穫了12萬次閱讀，全網閱讀量更是突破百萬。數字背後是我無數個夜晚的敲打與思考。為了讓這些零散的知識更成體系，我陸續開設了幾個專欄，希望它們可以成為指引大家快速掌握大模型的應用與開發技巧，擁抱大模型時代的一個個路標。

• 深入淺出LangChain&LangGraph AI Agent 智能體開發： 我投入心血最多的專欄。從專案實際需求出發，幾乎是與langchain/langgraph的版本迭代同步成長。從0.3到1.0，從基礎概念到複雜架構的原碼剖析再到實戰案例，所有的案例與程式碼都無償分享，想讓每個無論有無編程經驗都能掌握智能體開發的基本技巧。
• MCP怎麼玩?： 在MCP協議初露鋒芒時便緊緊跟隨。從stdio到SSE，再到streamable模式，我通過閱讀底層程式碼、編寫工具，為大家理清這條協議演進背後的邏輯與實戰技巧。
• 大模型工程面試經典： 集了我在面試與被面試中遇到的真實問題與思考。它不但提供“標準答案”，而且呈現解決問題的思維過程，希望能給正在職業道路上探索的大家帶來一些實在的參考。
• RAG革命：打破大模型知識邊界：RAG不僅是熱門技術，更是我日常工作裡反復打磨的工程實踐。在這個專欄裡我不僅梳理脈絡，更坦誠分享了在性能優化中走過的彎路與一些工程技巧，除此之外還有GraphRAG等前沿方向的初步探索。
• 人工智慧大模型知識科普與人工智慧大模型提示詞教程： 這兩個專欄源於一種樸素的願望：降低前沿技術的認知門檻。我試圖充當“翻譯者”，深入研讀DeepSeek、Qwen、GPT等模型的論文與技術報告，再用平實的語言和實測對比，將它們的特性講清楚；同時，將提示詞工程系統化，總結出那些能讓模型更好發揮潛力的“溝通心法”。

大家的每一次訂閱、點贊與評論，它們都無聲地告訴我：你寫下的東西，真的在對他人產生價值。 如果要為即將到來的2026年許下一个願望，那便是：繼續筆耕不輟，再寫100篇真誠、扎實的技術文章。目標不在於數量，而在於一份承諾——承諾繼續扎根於大模型訓練與智能體開發的沃土，與所有正在這條道路上探索的程序員家人們一起成長，彼此照亮。前路漫漫，但當我們分享星火，便足以照亮彼此遠征的航程。

三、與AI共舞：從工具到夥伴的範式轉移

3.1 利用AI寫程式：從“程序員”到“技術導演”

常常有讀者好奇地問我：“你寫了這麼多文章和專案程式碼，難道都是自己一行行敲出來的嗎？”

說實話，這個問題的答案，恰好反映了這一年來我工作方式的根本轉變。在編程大模型席捲而來的今天，純粹的“手敲程式碼”已不再是效率的核心。我更願意將自己現在的角色，形容為一個 “技術導演” ——我的核心任務不再是親自操作每一個“攝影機”（編寫每一行程式碼），而是清晰地構思藍圖、制定規範，並指導我最得力的AI助手們去高效執行。

具體來說，大模型已經深度融入我工作的每一個環節：

1. 工作中的程式碼協作：效率與創意的解放
在具體開發中，我將編碼任務分為兩類：

• 前端與原型構建：大模型對前端技術的掌握程度，時常讓我感到震驚。有時，我甚至會暗自慶幸自己轉型得“及時”。現在只需清晰的描述，搭配Trae等助手，一個可交互的原型界面便能快速呈現。這讓我將寶貴的時間投入到更關鍵的業務邏輯與架構設計上。

• 細粒度工具與CRUD業務：對於模式相對固定、邏輯清晰的工具函數或增刪改查模組都是大模型的拿手好戲。它能快速提供高品質、符合規範的程式碼草案，我則專注於審核、優化與整合。坦率地說離開大模型，我或許真的會感到一絲“不適”——它已經像語法高亮和自動補全一樣，成了我開發環境裡不可或缺的底層設施。

• 除錯與問題解決：過去的“面向谷歌/百度除錯”，已悄然升級為“面向大模型的bug解決”。將複雜的報錯信息、詭異的行為日誌拋給大模型，往往能得到不止一個可能的原因和修復思路，極大地縮短了排查鏈路。

2. 技術輸入與內容輸出：知識處理的加速器
要保持技術敏感度，必須大量閱讀論文、教程和原始碼。大模型在以下三個方面給了我很好的幫助：

• 論文與教程速讀：它能快速提取核心思想、技術脈絡與創新點，生成精煉的摘要。

• 原碼分析與梳理：面對龐大的開源專案，我不再需要盲目地全局搜索。我會讓大模型先幫我梳理模組架構和核心流程，快速定位到關鍵函數，我再針對性地進行“精讀”與思考。這讓我學習新框架的效率提升了數倍。

• 技術內容的創作輔助：我的文章內容始終堅持來自自己的實踐與思考（堅決抵制“AI味”濃厚的空洞文章）。但在創作過程中，大模型是得力的幫手：它可以基於我的實戰案例和提示，快速生成某個智能體小案例的程式碼框架；可以在我思路卡頓時，提供幾種不同的行文結構參考；甚至能幫我優化一下略顯平淡的標題。

3. 日常與生活：無處不在的智能夥伴
大模型的能力早已溢出工作的邊界融入我日常生活的細節：

• 內容創作：為文章生成一張匹配主題的封面圖，或者快速將一段複雜的邏輯描述轉化為清晰的流程圖……多模態大模型讓創意表達變得前所未有的簡單。

• 知識查詢與學習：這大概是最自然的應用了。如今，遇到任何陌生概念、歷史背景或生活技巧，我的第一反應不再是打開搜尋引擎，而是自然地喚出豆包或DeepSeek。它像一個理解力超強的百科全書，總能給出結構化、易於理解的回答。

3.2 擁抱Vibe Coding：一種全新的協作範式

我的AI編程工具探索史像極了一場不斷“遷移”的游牧。從最初GitHub Copilot帶來的驚艷，到Cursor那種行雲流水般的“氛圍感”編碼體驗，我一度以為自己找到了最佳拍檔。然而隨著Cursor的鎖區之後，我的探索只能轉向更開放的環境。

那段時間，我深度使用了VS Code的Cline及其變體Roo Cline。有趣的是，工具的限制反而激發了更強的創造欲。我不再僅僅是個使用者，開始嘗試用它們作為“樂高積木”，去搭建自己的小世界。比如，我不僅用它們快速開發了個人技術部落格，還將這段從零到一的心路歷程寫成教程，分享給更多像我當時一樣尋找出路的開發者，產出了如下兩篇文章：

1. 零門檻！手把手教你用VS Code + DeepSeek 免費玩轉AI編程！（5分鐘編寫部署個人網站）：這篇文章記錄了我如何僅用自然語言指令和AI助手，在5分鐘內編排出一個可上線的個人網站，它讓大家見證了創造的門檻有時如此之低。

   

   

2. 不寫一行程式碼! VsCode+Cline+高德地圖MCP Server 幫你搞定和女友的出行規劃（附原理解析）：這個專案則更“生活化”。我將規劃出行這個現實需求轉化為了一個技術探索的契機，不僅做出了實用工具，更藉此深入剖析了MCP協議的原理。畢竟技術最終是為了服務於具體的人和生活。

   

   

真正讓我的工作流程再次發生質變的，是Trae的出現。坦白說，初代Trae的體驗與當時的Cursor尚有差距，但它有一個無法抗拒的優勢：免費且強大的Claude等模型支援。還要啥自行車（想必很多博主和我使用Trae的初衷都類似）。然而，Trae真正打動我的，並非僅僅是“免費”。而是在後續的持續使用中，我肉眼可見地見證了一個工具的快速進化。即使在後來模型訪問政策收緊，我依然選擇留在Trae。它提供的那種友好的、對話式的開發體驗，已經讓我產生了深度依賴，它從一個“可選項”變成了我編程環境中“不可或缺的夥伴”。

直到 Trae Solo模式 的發布，我被徹底折服了。Solo模式完美詮釋了什麼是“自然語言驅動的端到端開發”。你只需要清晰地描述一個想法（比如“做一個在線背單字應用”），它便能自主完成從需求分析、技術選型、編寫、測試到部署建議的全流程。這不僅僅是效率工具，更是一個想法的“快速成型機” 。我利用Trae Solo這把“利器”，完成了一系列從想法到產品的實踐，並將心得凝結成文章：

1. Chatbox支援接入LangGraph智能體？一切都靠Trae Solo!：這篇是“連接器”。我通過Trae Solo快速搭建了一座橋，讓強大的LangGraph智能體能夠輕鬆接入一個輕量的聊天客戶端，讓技術的“後端能力”擁有了一個友好的“前端面孔”。

2. LangChain1.0實戰之多模態RAG系統（四）——Trae Solo搭建部署多模態RAG前端(附AI編程實踐指南)：這是一個“全棧閉環”的證明。從複雜的後端RAG邏輯到直觀的前端互動介面，Trae Solo幫助我高效地完成了全鏈路的構建，驗證了其應對複雜專案的能力。

3. 輕鬆搞定年度報告可視化，五分鐘用 AntV + Trae Solo 快速構建智能圖表生成器：這篇則回歸到“解決一個具體問題”。它揭示了一個樸素道理：讓智能體融入生活，不必始於宏大的構想。從一個能即刻解決你眼前麻煩的小工具開始，就是最好的起點。

這些實踐也讓我在掘金平台的活動中收穫了鼓勵和獎勵。借此機會，必須為掘金這個真正懂開發者的社區打個Call——它不僅是優質內容的平台，更通過一次次用心的活動，構建了一個充滿活力的技術創作者生態。

3.3 Vibe Coding編程最佳實踐

在密集使用Trae Solo完成多個專案後，我逐漸摸索出一些讓協作效率倍增的“心法”。這些經驗部分總結於我的文章LangChain1.0實戰之多模態RAG系統（四）——Trae Solo搭建部署多模態RAG前端(附AI編程實踐指南)，也得益於像掘金阿星老師等優秀同行的啟發破防了！阿星一年用AI撸了50個專案，這10條避坑經驗你必須知道。主要有如下幾條：

1. 工程化提示詞
   最大的誤區莫過於認為“隨便說一句，AI就能懂”。事實是，模糊的輸入必然得到不可靠的輸出。我強烈推薦使用 「EARS」等結構化提示詞框架，哪怕是小專案，也要清晰定義：

   • 背景與約束
   • 明確需求
   • 你期望的具體產出格式

2. 工作流智能體化
   當你發現某個提示詞組合能穩定解決一類問題（比如“分析日誌”、“生成SQL”）時，不要只保存這段文字。利用Trae Solo等工具，將這個“提示詞+上下文”打包成一個可重用的智能體或插件。

   

3. 精細化除錯

   • 前端除錯：直接利用工具的“選擇元素”功能定位問題，遠比在對話中抽象描述“那個按鈕顏色不對”要高效得多。
   • 錯誤排查：不要光說“報錯了”。務必提供完整的錯誤堆疊、相關程式碼片段、以及你已嘗試過的步驟。給AI一個完整的“破案現場”，它才能給出準確的“偵破方向”。

   

   

4. 上下文管理
   與AI的深度協作會產生大量有價值的對話歷史，它們是你的“第二大腦”。我強烈推薦使用 Memory MCP 這類工具，將重要的技術決策、程式碼片段、問題解決方案分門別類地保存下來。這相當於為你和AI的每次協作都建立了可追溯、可重用的知識庫，讓每一次交流都站在之前積累的經驗上。

   

與AI共舞的精髓，不在於找到“最強”的工具，而在於你能否將任何工具融入你的思維流，形成獨一無二的“人機協作範式”。 從模糊的想法，到清晰的結構，再到自動化的流程和可積累的記憶——這，便是我在2025年與AI共舞中，踩出的最踏實的步點。

四、2026博文撰寫百篇計畫啟動！

明天開始就2026年了，筆者也將寫下2026年的第一行文字，立志完成2026年百篇文章計畫。明年的目光依然聚焦於三個領域：大模型訓練、智能體開發與前沿技術跟踪。尤其是大模型訓練，我收到了太多來自實驗室與業界的追問——許多研究生同學和工程師夥伴都在私信裡問我同一個問題：“究竟如何訓練一個大模型？”

從學術界“追逐熱點”的領域微調，到工業界“解決專有任務”的精煉小模型，訓練專屬模型已成為不可逆的主流方向。這一年，我親身參與了從數據清洗、參數調試到性能評估的全过程，積攢了大量的實戰感悟、踩過的坑和突見光明的頓悟。明年，我打算把這些寶貴的“一手經驗”，毫無保留地整理成專欄。

當然，談論訓練無法繞過算力這道現實的門檻。昂貴的GPU曾是許多人夢想的攔路石。正因如此，我今年特意與一些可靠的算力平台展開了合作，希望能為大家鋪一小段路。你可以通過 www.lab4ai.cn/register?ag… 註冊Lab4ai算力平台，提供了包括英偉達H系列在內的多種選擇，更有 5小時的免費體驗額度。希望這份小小的“新年禮物”，能讓你先拋開硬體焦慮，專注於讓第一個想法跑起來。

2026年，我仍在“掘金”這片我們熟悉的園地。讓我們繼續一起，保持好奇，深入原理，動手創造。

五、未來展望

一眨眼，2025年真的結束了。回望這一年，大模型領域的變化堪稱“肉眼可見的翻天覆地”。有時感覺稍一駐足，眼前已是新景。在這種飛速的迭代中，有人興奮，也有人難免生出焦慮與徬徨。

但我想說，我們或許不必悲觀，更不必焦慮。是的，當前的大模型已經能解決許多令人驚嘆的問題，但那個關鍵的 “最後一公里” ——如何讓技術絲滑、可靠、接地氣地融入真實的生產與生活——遠未完美解決。這未完成的旅程，恰恰是我們所有人的機會。問題不是技術的終點，而是我們創造價值的起點。

所以，與其對未來感到不確定，不如讓我們充滿期待。期待的不是一個被設定好的完美未來，而是我們親手參與塑造的、不斷進化的明天。擁抱變化，擁抱未來，本質上就是擁抱一種新的可能性——擁抱“AI賦能下的創造”。 它不意味着被替代，而意味着我們的思維可以站在更高的槓桿之上，去實現那些曾經因繁瑣實現而深藏心底的構想。

2026年，我與大模型的故事，還會繼續。我與大家的學習與工作生涯，依然充滿希望。

原文出處：https://juejin.cn/post/7589544380517564426