AI应用工程 · 技术随笔

王硕硕的博客

AI应用工程师 · 专注 AI 应用工程落地

专注 AI 应用工程落地,探索 LLMs、Agent、MCP、RAG 等技术在真实业务中的应用。 分享工程实践、量化投资与技术思考。

AI 工程化 Agent 应用 MCP RAG 量化投资
{!-- 巩膜:光源在左上,右下最暗 --} {!-- 虹膜球面:中心透亮、外缘压深 --} {!-- 上眼睑投在眼球上的阴影 —— 立体感的最大功臣 --} {!-- 眼球下缘的反射光,把球体「托」起来 --} {!-- 角膜整体反光:一大片柔和的凸面高光 --} {!-- 瞳孔周围的暗晕,让瞳孔像是「陷进去」而不是贴上去 --} {!-- 主高光自身的柔边 --} {!-- 眼眶轮廓靠填充路径本身定形,不用描边:描边居中画在路径上, 一半会溢到外侧,在眼角这种尖锐处会堆出小结,linejoin 设什么都消不掉。 --} {!-- 虹膜纤维:爬行类是纯放射状,从瞳孔边缘一路贯穿到外缘, 没有卷缩轮也没有隐窝 —— 那是人眼的结构。 --} {!-- 以下几层不跟随视线:它们属于眼球表面和眼睑,不属于虹膜 --} {!-- 眼睑:默认停在画布上方之外,靠 translate 下移。 刻意不用 scaleY —— 那依赖 transform-origin,被 CSS reset 覆盖后会铺满整个眼球 --} {!-- 上方羽片:闭眼时随上眼睑一起下压 --} {!-- 左侧尖尾:向眼中心内收 --} {!-- 右下羽片:向上抬 --}
模拟盘 +1.15%
总资产 ¥20.2万
持仓 ¥16.9万
可用 ¥3.3万
实盘 --
总资产 --
持仓 --
可用 --

最新文章

查看全部文章 →
把生意参谋做成 AI 能调用的 Skill,我踩过的坑

把生意参谋做成 AI 能调用的 Skill,我踩过的坑

把淘宝生意参谋里的数据封装成 7 个 AI 可调用的 skill。看似是写 skill,其实难点全在数据通道:登录态会过期、滑块验证、接口签名、原始数据清洗——这些才是真正花时间的地方。

· 约 8 分钟
人和AI,都是通过外部接触来突破自己的认知
AI

人和AI,都是通过外部接触来突破自己的认知

你身边一定有这种人 读书读到三十岁,什么书都看过,什么课都刷过,但你跟他聊天,三句话就露馅——他只是在重复别人的观点,用不同的包装盒装着同样的空洞。 另一种人不一样。他们不一定读得多,但他们有个特点:他们总是在跟真实的东西打交道。 跟真实的人吵架,跟真实的项目死磕,跟真实的问题正面交锋。每一次碰撞都会把原来的自己磕掉一块,漏出底下更深层的东西。 这种人进步的速度,往往是前者的十倍。 外部接触为什么有效 人变聪明这件事,从来不是自己想出来的。 人的认知有一个天然的缺陷:你不知道自己不知道什么。 这个缺陷靠内省是修不好的。你坐在房间里想一年,想出来的都是你已经知道的东西的排列组合。你需要外部信号来告诉你,你的模型哪里错了。 对于人来说,这个外部信号来自:对话中的冲突。 别人提出你没想到过的反驳,逼你重新审视自己的结论。真实项目的反馈。 你做了一个产品,用户的行为跟你想的完全不一样,这个差距就是认知的突破口。跨领域的信息。 一个做量化的人去读哲学,发现自己一直在用的东西原来有更深层的名字。 对于AI来说,逻辑也是一样。一个LLM在预训练阶段已经压缩了人类知识的精华,但它

· 约 4 分钟
过去 48 小时:GitHub 热门 AI 项目与几个值得关注的信号
AI

过去 48 小时:GitHub 热门 AI 项目与几个值得关注的信号

AI NEWS DIGEST 过去 48 小时:GitHub 热门 AI 项目与几个值得关注的信号 从 LLM 从零实现到自动化交易 Agent,本周 GitHub 趋势透露了一些值得关注的方向。 快读GitHub 趋势AI Agent 01GitHub / Model LLMs-from-scratch:自己动手实现 ChatGPT 这个仓库用 PyTorch 从零实现了一个类 ChatGPT 模型,目前已有超过 93k stars。它不是教程,而是一套完整的、可运行的代码。 值得关注的原因:对于想深入理解 LLM 架构的开发者,这是目前最好的实践资源之一。 02GitHub / Agent AI-Trader:100% 全自动 Agent 原生交易系统 一个完全基于 AI

· 约 3 分钟