大家好，我是马丁。写这篇文档的目的，是帮大家建立一个清晰的 AI 学习认知框架——知道学什么、怎么学、以及现在不需要学什么。别被营销号贩卖的焦虑带偏节奏。说到底，学 AI 应用开发和当年学 Java 后端没有本质区别——都是理解核心概念、熟悉技术栈、然后在项目中反复练。如果你已经有后端工程基础，上手甚至会比预期更快。本文为马哥整理的 v1 版本（截至 2026/6/10）。AI 领域技术演进很快，后续会根据新的技术变化更新 v2 版本。马丁｜10 年大厂后端，Apache ShardingSphere Committer，Hippo4j 作者（GitHub 6k+ Star），Nageoffe...

这个是啥意思啊？我不懂，第一次用这个。

求助，大佬们帮忙看看简历，boss上沟通900了，一个约面的都没有，是不是简历有问题啊

1. 自我介绍2. 为什么要通过微调模型来做代码生成？为什么不用纯 prompt 或 spec coding？答案：纯 prompt 和 spec coding 确实可以提升模型在单次任务上的表现，但它们更多是推理时约束，解决的是“让模型按要求做事”的问题。微调解决的是模型行为分布的问题，比如固定代码风格、内部框架 API 使用习惯、异常处理模式、日志规范、单测模板、目录结构约定，这些如果全部靠 prompt 塞进去，成本很高，也容易在长任务里被稀释。在缺陷修复 Agent 里，我选择微调不是为了让模型记住业务代码，而是让它学习稳定的工程动作：先读测试，再定位调用链，再改最小范围，再补回归测试...