案例·可视化编辑器（需求到需求文档）
|
真实需求口述（直接喂给大模型）：
```text
我们想要做一个类似在线ppt的编辑器和播放器，但是，我们又希望有时间轴，
它可以有时间轴上的视频、音频编排。
- 需要有限的画布尺寸
- 需要支持的元素有：图片，文字、视频、音频、动画效果
- 需要不仅仅支持编辑器和播放器，还需要有简单的项目和作品管理功能
能不能初步帮我规划一下需求文档
```
这就是"需求 → 需求文档"的 AI 协作第一步：把口语化想法交给大模型，
让它产出结构化的需求文档初稿，再人工迭代。
|
|
此类"从 0 到 1"协作的方法论要点：
1. **先以架构师身份用 AI**：喂需求/业务文档，让 AI 给出架构建议与需求分解
2. **再以开发者身份用 AI**：逐层拆分向下写业务代码
3. AI 给出的方案要过一遍自己的判断力（AI 效能定律），不能直接照抄
4. 复杂项目先固化需求文档与架构文档，再进入开发——文档是人与 AI 的共同上下文
|
AI 工具集
|
ComfyUI：节点式 Stable Diffusion 生图工作台，可接商单变现。
```bash
git clone https://github.com/comfyanonymous/ComfyUI.git
micromamba create -n py311 python=3.11
micromamba activate py311
cd /wks/aidev/ComfyUI/
# 用离线 wheel 包按 requirements 安装
pdd -d /wks/python/wheelhouse_pytorch/ -f /wks/aidev/ComfyUI/requirements.txt
python main.py
```
|
|
geekai（极客 AI 平台，gitee 开源）：
```bash
git clone https://gitee.com/tanpf/geekai.git
```
集成对话、绘画等多能力的 AI 应用平台，适合研究"大模型应用如何产品化"。
|
岗位与能力要求
|
市场真实 JD 示例（生成式 AI（大模型）算法工程师，北京，1.8-3 万/月）：
**岗位职责**
- 负责生成式 AI、大模型算法在决策应用场景中的环境建模、算法设计与优化
- 负责前沿技术研究，持续优化算法性能，推动技术落地
- 运用深度学习框架进行模型训练
- 算法文档撰写、专利申请、论文转化
**任职要求**
- 较强的代码阅读、伪代码实现、代码复现能力
- 计算机/软件/人工智能/数学统计等相关专业本科及以上
- 掌握 Python；1 年以上生成式 AI、大模型相关研究或项目经验
- 熟练使用 PyTorch / Tensorflow / PaddlePaddle / Mindspore 至少一种
- 熟练掌握 Git
**优先条件**：C/C++、CMake/Docker、强化学习、顶会论文（ICML/NeurIPS/AAAI/ICLR）
|
|
对照 JD 反推的能力地图：
```text
编程基本功（Python/Git/代码复现）
→ 深度学习框架（PyTorch 为主）
→ 大模型原理（Transformer/训练范式）
→ 应用四件套（Prompt / Function Calling / RAG / Fine-tuning）
→ 工程化（部署/推理优化/docker）
→ 加分项（C++/强化学习/论文）
```
AI 编程岗位要求多维一体：**业务、编程、AI、市场营销**——技术之外，
理解业务场景并把 AI 能力卖出去的能力同样值钱。
|
学习路线总结
|
本专栏知识按层次递进，五个页面正好对应五层：
| 层次 | 页面 | 核心问题 |
|------|------|----------|
| 1. 认知与环境 | /llm_know_env | 大模型是什么？环境怎么搭？ |
| 2. 部署与推理 | /llm_deploy_local | 模型怎么跑起来？ |
| 3. 云端 API 与 AI 编程 | /llm_cloud_api | 怎么调用别人的模型？ |
| 4. 应用开发技术 | /llm_app_tech | 怎么做出 AI 应用？ |
| 5. 案例与生态 | /llm_case_eco | 怎么落地变现、对齐岗位？ |
另有姊妹篇《大模型发展史与 Prompt 工程》（/llm_hist_prompt），
按时间线梳理 GPT1→DeepSeek-R1 的技术演进，并系统讲 Prompt 工程。
|
|
实践建议：
1. **先跑通再深入**：ollama 一键跑一个 1.5B 模型，10 分钟建立直观感受
2. **边用边学**：日常问题先问大模型，养成提问习惯
3. **小项目驱动**：用 RAG 给自己的笔记/文档做个问答机器人，覆盖 Prompt+向量库+API 全链路
4. **读 JD 校准方向**：岗位需求是最好的学习大纲
5. **保持判断力**：AI 能力的上限是使用者的判断力
|
参考
ComfyUI
geekai