【年度总结】2025 技术复盘:从本地大模型部署到开源工具链构建

1. 年度概览

在 2024 年年底至 2025 年期间,我累计发布了原创技术博文 85 篇。这一年的技术探索主要围绕 “AI 工程化落地”“开源工具开发”“底层系统研究” 以及 “自动化运维” 四个核心象限展开。

不同于以往零散的知识点记录,本年度的输出更倾向于系统性的解决方案。从 Rust 语言的开发环境搭建,到 DeepSeek 等大模型的私有化部署,再到嵌入式硬件的驱动开发,我的技术栈在保持广度的同时,向系统底层和 AI 应用层进行了双向延伸。


2. 内容数据分析:技术关注点分布

基于发布的文章内容,我对本年度的技术产出进行了分类统计。数据显示,效率工具开发AI 技术应用占据了主导地位,二者合计占比超过 50%。这反映出当前技术环境下,利用 AI 提升开发效率和构建自动化工作流是我的主要发力点。

在这里插入图片描述

2.1 流量与互动分析

通过分析阅读量和互动数据,我发现读者的痛点主要集中在以下三个方面:

  1. 高频环境报错解决:例如 Ubuntu 下 NVIDIA 驱动缺失 nvidia-smi 但有 nvcc 的排查,我整理了详细的 【BUG】Ubuntu|有nvcc,没有nvidia-smi指令,找不到nvidia-driver安装包 ,以及关于 【BUG】Steam|steam家庭共享接受家庭邀请失败 的解决方案,单篇阅读量破万,说明环境配置依然是开发者的“拦路虎”。

  2. 科研效率工具:Zotero 文献管理相关的插件开发与配置文章,因解决了实际的引用痛点,获得了极高的收藏率。

  3. 大模型本地化:随着 DeepSeek 等模型的爆发,关于 Ubuntu 服务器极简部署 DeepSeek 的实战记录关注度急剧上升。


3. 核心技术板块总结

3.1 AI 工程化:从 API 调用到本地私有云

2025 年是 AI 技术落地的关键年。我的工作重心从早期的 Python 调用 OpenAI API,全面转向了本地大模型(Local LLM)的部署与应用。

3.2 效率工具开发:解决“最后一公里”痛点

本年度我开源了多个针对特定场景的自动化工具,主要集中在科研文献管理和日常开发提效上。

Zotero 生态扩展:针对 Zotero 抓取 DBLP 和 Google Scholar 引文信息不准确的问题,我开发了多个脚本。

自动化脚本

3.3 系统底层与安全研究:Rust 与二进制分析

在掌握了 Python 等高层语言后,本年度我开始向更底层的技术栈下沉,重点关注 Rust 语言和二进制安全分析。

Rust 开发环境构建:记录了从 Python 转向 Rust 的学习路径,对比了数据结构的差异 【记录】Rust|Rust对比Python的语法学习(Vec、VecDeque) 。为了提升开发体验,我深入评测了插件生态 【记录】Rust|Rust开发相关的7个VSCode插件的介绍和推荐指数 ,并编写了 【记录】Rust|怎么在VSCode中查看Rust代码大纲outline视图

二进制安全 (Angr):深入研究了符号执行工具 Angr 的使用。

3.4 嵌入式与硬件交互

在硬件层面,基于 Ubuntu 24 环境和香橙派(Orange Pi)开发板,我进行了一系列嵌入式开发实践。


4. 问题解决与运维实战

除了开发工作,本年度我也积累了大量的运维与故障排查经验。这些记录虽然琐碎,但构成了稳定的技术底座。

4.1 账号与权限管理

4.2 虚拟化与网络


5. 总结与展望

2024-2025 年的技术产出呈现出明显的“工具化”和“底层化”趋势。我不满足于仅作为 API 的调用者,而是尝试深入理解大模型的部署架构、嵌入式系统的硬件交互以及二进制程序的执行逻辑。

未来的技术规划将聚焦于以下两点:

  1. Rust 生态的深度参与:继续打磨 Rust 开发环境,尝试将现有的 Python 效率工具用 Rust 重构,以获得更高的性能与安全性。
  2. AI Agent 的垂直领域应用:基于本地部署的 DeepSeek 等模型,结合 LangChain 框架,开发面向特定科研场景(如自动综述生成、实验数据分析)的智能体应用。

技术之路无捷径,唯有持续记录与复盘。这一年的 85 篇博文,既是过去工作的存证,也是未来探索的基石。

本账号所有文章均为原创,欢迎转载,请注明文章出处:https://shandianchengzi.blog.csdn.net/article/details/156359053。百度和各类采集站皆不可信,搜索请谨慎鉴别。技术类文章一般都有时效性,本人习惯不定期对自己的博文进行修正和更新,因此请访问出处以查看本文的最新版本。

Logo

有“AI”的1024 = 2048,欢迎大家加入2048 AI社区

更多推荐