无线网络仿真：Wi-Fi网络仿真_（12）.高级仿真技术与优化
2026/1/16 21:31:38
文章探讨如何高效利用大模型进行编程和文档写作。指出当前程序员简单粘贴问题到AI工具的低效做法，提倡系统化使用：文档编写先提供目录框架再让AI完善；编程需提供完整SDK和接口信息，定期整理代码模块提高AI生成准确率。强调使用AI仍需人工把控方向和数据正确性，不能完全依赖AI。
今天例行去找后端同事了解进展，我问大家现在是否使用AI去编程。大家跟我说：“我们都是重度AI用户了”。
然后，我继续追问他们是如何使用AI的。他们默默的打开IDE，然后把一些函数、需求粘贴到Deepseek…。这对么？
如果是去年，这种方式是没有问题的。但现在不同了，包括Trae在内的软件已经能够完全理解整个项目的框架。如果还是去年那种单个问题去问AI，那么效率和质量并没有提升上去。
一、 如何使用AI写文档
我们先不谈AI编程，我先教教大家如下使用AI写技术文档。
直接使用DeepSeek、豆包、元宝写技术文档肯定是不行的。因为它们都是通用大模型，写出来的东西很多中规中矩。
这些AI软件更像传统搜索引擎的替代，输出内容采用了大量陈述段落，很难直接复制使用。此外，千万要谨慎AI给出的数据，我很多次发现他们的数据是伪造的，因此建议直接删除，自行实验或单独找对应资料。
不过，这不意味着我们要使用专业AI软件，我们仍可以使用DeepSeek这类通用大语言模型来编写文档，但是需要换一种策略。
我的策略是：我给一级、二级、三级目录，里面补充关键字，再AI完善内容。
举个例子，如果我要写孪生平台如何赋能双碳。我会先列举一些关键的标题，比如：1）孪生平台让双碳管理清晰，2）孪生平台可支撑碳交易管理，3）孪生平台可实现园区的能源监督管理。
注意，这些标题目录不一定需要很准，但是你至少需要清楚这些分类是得当的。下面这两个图，是直接让AI写和列标题的差异。
可见，我给的策略写出来的文档更方便读，逻辑更清晰。当然，你肯定会认为这种方式只是给多提示词，并没有新意。
其实差异就出在，第二种策略是让AI在大框架下，把所拣选到的内容是按照我们设定的逻辑进行组织，我们是可判断内容的正确与否的。
接下来的步骤，就是把我们自己的材料、论文材料，放到对应的段落中。你可以随便放，随便堆积，仅需让AI按照的语言风格整理一次。AI自然会根据一种相对准确的逻辑再输出合适的文档。
二、 当前AI赋能仍需给其做路径谋划
上文所的技巧，也可以理解为给AI指明行动计划，让AI逐步谋划自己的下一步方案。在当前技术背景下，这个动作还需要人来帮忙。
当然，Manus等软件已经具备一定自我谋划自我执行的能力，不过我觉得还需要再等一段时间才能全民开放使用。
使用AI的过程不能完全信任它。我们仍需把握重点方向，决策关键数据的正确性。
三、 再谈AI编程的方法
我为什么说同事使用AI的姿势不对，是因为他们是孤立的使用AI，而不是有体系的利用AI进行编程。
所谓有体系的AI编程，是指在一个项目中，必须告知AI必要的行动方案、SDK清单、接口清单。只有这些完整了，那么AI给出的方案才会准确率更高。
比如，当前我们规范了前端的SDK，生成了规范的API文档（html）。利用Trae软件，可以让其直接生成对应的代码。
这也意味着，我们接下来只需要维护好底层的SDK，上层应用利用AI编程可以快速实现。这不也是侧面干掉传统低代码平台的一种方式么。
当然，高兴的也不要太早。虽然Trae会根据我们的需求生成对应的代码，但是它当前仍不擅长分模块、分组。
如果系统框架或代码不定期归纳整理，那么很容易导致AI对代码的误判，导致无法继续生成正确代码。AI对代码的误判，或许还是AI在长短时间记忆方面的能力还不成熟，变得捡芝麻丢西瓜的坏毛病。
因此一旦觉得某个模块成熟了，就让AI帮你对这个模块单独提出来。这样才能让系统更加稳定，也减少错误的发生。
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。