2025年的春节，整个社会被 DeepSeek R1 的发布所震撼。作为一线软件开发人员，我们更是首当其冲——节后上班第一天，老板就召集全员开会，直言不讳地表达了他的忧虑：在大模型（LLM）的冲击下，公司该如何应对？

我所在的医疗卫生行业，正是这场AI浪潮中最“趋之若鹜”的领域之一。据不完全公开报道，截至2025年4月，全国已有数百家医院宣布建设大模型环境，投入少则几十万元，多则数百万。不少三甲医院高调宣称已建成“本地算力”。但细究其公开披露的应用场景，会发现其中相当一部分只是直接调用头部厂商的通用模型，却冠以“自研”或“本地部署”之名。

借着这股东风，公司也终于为我们开发团队配备了一台带GPU的服务器——虽然配置很一般，只有24GB显存，但好歹算是拥有了属于自己的“算力”。起初，大家内心躁动，仿佛站在新时代的门槛上；但随着时间推移，尤其是到了七八月份，那场如火如荼的大模型“狂欢”逐渐冷静下来。真正建了本地算力的单位开始意识到：买几块GPU远远不够，关键是如何将LLM与自身业务深度融合，才能释放其真实价值。

而对我们这些从业多年的开发者来说，这并非终点，而只是一个开始。

---

1、从“AI将取代程序员”到重新定义开发

2025年上半年，在 Cursor、Claude 等AI编程工具的大力宣传下，一种声音甚嚣尘上：“以后产品人员只需描述需求，AI就能一键完成UI设计、代码编写甚至部署上线。”各类“实战教程”满天飞，连老板都多次半开玩笑地说：“以后可能真不需要程序员了。”

作为一名拥有三十多年开发经验的老兵，我不禁自问：我们该何去何从？

答案其实早已写在IT行业的基因里——持续学习，永不停歇。无论是行业特性使然，还是个人兴趣驱动，对新技术的热情始终是我前行的动力。

恰巧在春节假期，我认真研读了浙江大学毛老师主讲的《LLM原理与应用》课程。正是这门课，让我第一次系统理解了提示词（Prompt）、微调（Fine-tuning）、RAG（检索增强生成）等核心概念，并意识到：在当前阶段，提示词工程，可能是普通开发者最能快速上手且见效显著的能力。

有了理论基础，再结合公司新配的GPU服务器，我迅速行动起来：

• • 搭建了本地 Ollama 服务；
• • 申请了多个主流大模型的API权限；
• • 将2024年因缺乏GPU而无法运行的 MaxKB 重新部署并调试成功；
• • 快速构建了一个基于RAG的知识库问答系统。

这套系统很快在一个合作客户的微信公众号上线，提供智能问答服务。据说，该客户因此获得了地方主管部门的表扬。受此鼓舞，我在公司内部“不知天高地厚”地宣布：2025年，是我们的“AI元年”。如今回想，确实有些冒进，但也正是这份热情，推动我们迈出了关键一步。

---

2、医疗垂直模型：热潮背后的冷思考

医疗行业对大模型的热情，也催生了一批号称“医疗垂直大模型”的产品。趁着这股东风，我下载并试用了多家机构发布的模型，结果却令人失望——多数效果平平，远未达到宣传中的专业水准。

也正是在4月，我翻出了多年前注册却早已荒废的公众号，决定重启它，专门分享开发、运维以及大模型落地的实践经验。一方面是为了探索LLM在真实场景中的可行路径，另一方面也为内容创作积累素材。

从此，我的日常除了本职开发工作，就是：

• • 无怨无悔地下载各种开源大模型；
• • 研究各类AI工具链：Ollama、vLLM、Dify、n8n、LLaMA-Factory、MCP、Unsloth；
• • 深入使用 HuggingFace、ModelScope、RAGFlow、GraphRAG、LangChain 等框架；
• • 反复打磨提示词技巧，尝试不同推理策略。

期间，我又把浙大毛老师的课程重学了一遍。这一次，因为有了大量实操经验，理解明显更深——理论与实践的结合，才是掌握AI技术的关键。

---

3、从0到1：让大模型真正“干活”

光学习还不够，必须落地。于是，我们在实际项目中开始尝试将LLM融入业务流程：

• 

  • 对几乎所有统计报表，引入LLM进行自然语言解读，帮助非技术人员理解数据；

• • 针对单项医疗业务数据（如检验检查报告），训练专用提示模板，实现初步的智能解读；

• • 基于 MCP 服务，开发了一个支持自然语言提问的数据查询系统——用户只需用口语提问，系统即可自动生成SQL并返回可视化结果。

虽然整体效果尚属“可用”而非“惊艳”，但这确实是从0到1的突破，也勉强对得起当初喊出的“AI元年”口号。

---

4、AI到底会不会取代程序员？

为了真实评估AI的编码能力，我在2025年的工作中做了大量实验：

• • 在日常开发中，使用AI自动生成代码片段已成为常态。但必须强调：AI生成的代码并非总是正确，仍需人工仔细审查与调试。
• • 对于单一算法问题（如排序、加密、解析等），只要需求描述足够清晰专业，像通义千问、DeepSeek 这样的模型确实能给出高质量解决方案。
• • 8月份，我特意用 Cursor 尝试“项目级”开发。相比单独调用大模型，这类工具在处理单个功能模块时表现更优，能理解上下文、自动补全、重构代码。但对于复杂业务逻辑、多模块协同或高可靠性要求的系统，目前的AI工具仍力不从心。

结论很明确：AI短期内无法完全替代程序员，但它正在加速淘汰那些只会做简单CRUD、缺乏业务理解与系统思维的开发者。说到底，这与有没有AI关系不大——技术演进本就会淘汰停滞不前者。

---

5、给同行的几点建议

站在2025年末回望这一年，我想对 fellow developers 说：

1. 1. 知识更新不是选择，而是生存必需。LLM只是新一轮技术浪潮的代表，未来还会有更多颠覆性工具出现。
2. 2. 扎实的计算机基础（操作系统、网络、数据库、算法）依然是你驾驭AI的底气。越懂底层，越能高效引导AI。
3. 3. 清晰表达需求的能力（即提示词工程）已成为核心技能。会写代码的人很多，但会“教AI做事”的人，才是未来的稀缺资源。
4. 4. 不要止步于“用”LLM，要深入理解其原理、局限与集成方式。就像当年我们选择编程语言和框架一样，现在也要学会选模型、选工具链、选部署策略。
5. 5. 本地部署 or 云端API？没有标准答案，取决于你的业务安全要求、成本预算与响应延迟容忍度。

---

6、写在最后

这就是我在2025年的大模型实践之路——有热情，有踩坑，有小成，也有反思。它不宏大，但真实；不完美，但向前。

最近，对扩散模型又有了极大的兴趣，对Diffusion、ComfyUI等正处在不断的学习与研究之中，后面我将会在公众号中分享相关的学习与研究成果。

2026年，我给自己定下的目标是：推动LLM在更多真实项目中深度落地，让AI真正成为提升生产力的引擎，而非一场短暂的营销狂欢。

技术永远在变，但不变的是：主动拥抱变化的人，才能定义未来。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！