文章详细介绍了大模型的应用生态，包括通用型智能体（如WorkBuddy、Trae）、编程型智能体（如Claude Code、Codex）和垂体型智能体（如Harvey、Hippocratic AI）。文章强调了智能体与传统AI的区别，即智能体能够自主执行任务，无需人工干预。此外，文章还探讨了如何选择合适的智能体、大脑（模型）、技能（工作流）和连接（MCP），以及为什么目前大多数人还没有广泛使用智能体的原因。最后，文章提出了AI办公的范式：智能体×知识库×工作流，并强调了普通用户封装自身方法为Skill的重要性。

你有没有发现,年初满朋友圈的「龙虾」,最近几乎看不到一只了?

不是凉了。是大家都不说了。

因为这几个月,腾讯出了 WorkBuddy,字节出了 Trae、扣子空间、飞书智能伙伴,月之暗面出了 Kimi Claw —— 你能想到的每家大厂,都已经悄悄推出了自己的龙虾。

风停了。它已经吹进了每个写字楼的窗户里。

但奇怪的事情是 —— 大厂的产品已经全推出来了,用户端跟产品端之间,有一个明显的断层。

90% 的人,还在豆包对话框里跟 AI 一问一答。

隔壁的人,已经在 Claude Code 里让 AI 自己跑半天,出来一整套报表。

这中间隔了什么?

为什么大厂军备到位了,普通人还没切过去?

这不是一个新工具要不要尝试的问题。这是未来 3-5 年里,你的工作方式会不会被换掉的问题。

这篇文章就讲清这件事。

分六节:看清生态、选你的智能体、选你的大脑、给它装技能、让它连上你的世界、为什么大家还没切过去。

一篇读完,你心里就有地图了。

---

第一节 · 看清生态

01 龙虾到底好在哪 —— 它长出了手脚

那年初的龙虾,为什么那么火?

为什么各大厂都跟着推自己的龙虾?

它到底好在哪?

它不只是一个更聪明的 AI。

它是第一种「长出了手脚的 AI」。

之前的 AI(ChatGPT、豆包),严格说只是个「缸中之脑」 —— 有脑子,但没有手脚。

你想让它做事,得自己给它当手脚:

• 它给你写好的文案 → 你复制粘贴回邮件
• 它给你出的报表思路 → 你打开 Excel 自己填数据
• 想让它看你的文件 → 你上传一下
• 想让它发个邮件 → 它干不了,你自己发
• 想让它跟你的 CRM (客户管理系统) 打通 → 找程序员

它给建议,你跑腿。

AI 在外头,你的工作在里头。

中间那个搬运工,是你。

智能体把这件事翻过来了 —— 它自己有手脚了。

比如腾讯的 WorkBuddy。你在企微跟老张聊工作,他甩过来一个 Excel。你不用切别的软件,直接 @WorkBuddy:“帮我把里面的发票数据提出来,生成一份报表”。

它就动手了。能看见你跟老张的对话、能调这个 Excel、做完直接把报表发回来。整个过程你不用打开 Excel,也不用复制粘贴。

你只发了一句话,它把活全干完了。

WorkBuddy 这种 AI 自己长手脚替人跑腿的东西,叫「智能体」。

---

但有意思的是,智能体早就存在了 —— 只是没在你身边。

2024 年就有给程序员的 Claude Code、给律师的 Harvey、给医生的 Hippocratic。它们都能自己干活,但都是给少数专业人群用的,门槛比较高。

得是程序员、律师、医生,得知道入口在哪、得自己配置环境。

普通人不是接触不到,是用起来门槛太高。

转折发生在 2025 年 3 月。中国团队做出的 Manus 第一次把"通用智能体"带给了大众 —— 你不需要懂代码、不需要是律师,就能让它替你干各种杂活。

但 Manus 也有门槛:它是个独立 APP,得专门打开它,而且 credits (算力配额) 烧得快,稍微跑两个长任务就要订阅升级。普通人尝鲜可以,日常用起来还是吃力。

真正的临界点在 2025 年 11 月。

一个叫 OpenClaw(中文社区叫"龙虾") 的开源项目出现了。它做的事不复杂:把通用智能体接到你天天用的聊天软件里,你不用专门打开它,在聊天框里就能直接 @ 它干活。

通用 + 接入日常入口 —— 这就是「龙虾」的真正定义。

所以你看大厂的跟进:WorkBuddy 接微信、企微、QQ。扣子接飞书、抖音。Kimi Claw 在 Kimi 自己生态里。

每家都做自己的龙虾。谁的入口是大家天天用的,谁就得把通用智能体塞进去 —— 让你不用切别的软件,在你已经用的地方就能调用它。

不抢占,就被边缘化。

---

02 智能体到底是什么 —— 它的四件套

OK,那这种"会替你跑腿的 AI",拆开看是什么?

智能体就是四件套拼起来的:

大脑(模型) —— 你熟悉的那些 ChatGPT、Claude、豆包、Kimi。负责思考、判断、决定下一步干啥。

架构(harness) —— 大脑外面一层"挽具",让大脑能持续动手、调工具、自纠错。架构 ≈ harness —— 就跟大模型的底层是 Transformer 一样,智能体的底层就是 harness。这是智能体里最关键的一件,下一节展开讲。

技能(Skill / 工作流) —— 给 AI 装上专业能力。装一个"写公众号文章"的技能,它就成了写公号专家;装一个"分析销售数据"的技能,它就成了数据分析师。

连接(MCP) —— 让 AI 能跟你的真实世界对接。看你 CRM 里的客户、读你飞书文档、调你的日历 —— 这一层叫 MCP。

四件套拼起来,才是一个完整的智能体。

之前的 AI 助手 (豆包对话框那种),严格说只有一件半 —— 有大脑、有一点点最基础的架构,但没有真正的手脚、不会装技能、不能接你的世界。

这就是为什么它只能跟你聊天,做不了真事。

接下来三节,我们一件一件挑 —— 先挑架构(挑哪个智能体)、再挑大脑、再装技能、最后讲连接。

---

第二节 · 选你的智能体(挑壳子)

挑智能体,本质上是在挑架构(harness)。

这件事比挑大脑还重要。

讲清这件事,得先讲清没 harness 之前 AI 长什么样,有了之后变成什么样。

---

没 harness 之前,AI 是这样的:

你问一句,它答一句。再问一句,它再答一句。中间所有事 —— “上下文怎么保留、要不要查个东西、要不要自己跑代码、错了怎么改” —— 全是你在管。

它就是个一问一答的对话机器。

你想让它"整理这季度销售数据成 PPT" —— 它会告诉你"第一步怎么做、第二步怎么做、第三步怎么做"。但具体每一步,你得自己去 Excel、自己去 PPT、自己去查数。

它不动手。

---

有了 harness 之后,AI 是这样的:

你给一个目标 (帮我把这季度销售数据整理出来,做成 PPT),它自己想步骤,自己跑工具,自己看结果,自己纠错。中间你不需要管。

两个小时后,PPT 在你桌面上。

它能记住整个任务上下文 —— 这是 harness 的「上下文管理」。
它能自己调外部工具 —— 这是 harness 的「工具调用」。
它能跑了一步看结果,发现不对就回头改 —— 这是 harness 的「反思 / 纠错」。
它能一直跑下去直到完成 —— 这是 harness 的「持续循环」。

前者是「AI 跟你聊」。后者是「AI 替你干」。

这个差别就是 harness 拉开的。

业界有个真实数据:同款 Claude 模型,装在不同 harness 里,完成任务的得分能差 16 个百分点。

差距不在大脑,在外面那个壳子。

Anthropic 自己说过一句话:“Claude 在 Claude Code 里最强,因为我们自己控制 harness。”

---

回到挑智能体。

市面上现在的智能体大概分三类:通用型、编程型、垂类型。

不是"选一个的关系",是配合关系 —— 你完全可以同时用三类,就像同时用微信 + VSCode + 印象笔记。

但日常办公的「主智能体」,大多数人会从第一类里挑一个。

03 通用型 —— 你的「主智能体」

通用型就是上一节说的「龙虾系」。什么都能干,日常办公主力。

Manus
2025 年 3 月那个引爆全网的通用智能体。能做调研报告、PPT、网页 demo、信息检索。适合产品 / 运营 / 咨询岗位的杂活。
硬伤:credits 烧得快,长任务跑到后段容易"漂"(开头很准,越跑越偏)。网友的真实评价是"看起来像本科实习生"。

WorkBuddy(腾讯)
腾讯版的龙虾,2026 年 3 月上线。独立 APP(桌面手机都有),最大优势是打通了微信、企微、QQ —— 在你天天用的聊天框里就能 @ 它。主打 Excel 清洗、发票提取、自动报表、海报生成这类办公场景。腾讯内部 2000+ 非技术员工已经在用。
硬伤:本地应用操控偏弱(开浏览器还行,操作 PS / Excel 等本地软件还在追)。

扣子 / 扣子空间(字节)
字节版的龙虾,深度绑定字节生态 —— 飞书、抖音、巨量引擎数据都能直接调。底层默认豆包,Pro 用户可以切 Claude / GPT 等。最大优势是 60+ 模块化插件,自由度高。
硬伤:内测期偶尔不稳;AI 幻觉(瞎编内容)在长报告里比较明显。

飞书智能伙伴(字节飞书)
飞书企业账号自带,30 秒激活,零配置。适合的场景 —— 写周报、做商业分析、跨群协作、操作多维表格。最大特长是「工作记忆」能自动追踪你最近的群聊和协作人。
硬伤:非飞书企业接入要额外开发;企业版定价对中小团队偏贵。

Kimi Claw(月之暗面)
2026 年 2 月上线,原生集成 OpenClaw。最大特长 —— 长程任务(单任务能连续工作 12 小时,几百个子智能体协同作业)。适合做长调研、深度报告。
硬伤:订阅档位不低,门槛偏高;长文本检索"高频幻觉"还在改。

---

挑哪个?

核心判断:跟着你的生态走。

不是选"最聪明的",是选"在你日常生意里能落地的"。

• 你做私域,客户都在微信里 → 腾讯系(WorkBuddy / 企微生态)
• 你以企业微信为主要工作阵地 → 腾讯系
• 你做电商、团队在飞书 → 字节系(扣子 / 飞书智能伙伴)
• 你做内容、做深度调研 → Kimi Claw(国产长程任务最强)

生态已经绑定了,选完不用看别的。

觉得不好用就等它成长。

不要这家试一下、那家试一下 —— 你的精力会被切碎,什么都没做成。

---

讲我自己的真实情况给你做参考:

因为我做内容、深度调研,长任务多,Kimi Claw 在长程任务上是国产最稳的。

但如果给团队讲课、做培训、跟外面合作,我会推 WorkBuddy 或飞书 —— 因为对方有自己的生态,你的偏好不重要,对方在哪个生态里干活才重要。

我自己用的,不一定是我推荐的。这件事看场景。

04 编程型 —— Vibe Coding 时代,人人能造小工具

编程型智能体表面上是"给程序员用的",但 —— 你不写代码,也该认识它。

为什么?

因为 vibe coding 这件事。

vibe coding 直译是"靠感觉编程",意思是:你用自然语言描述需求 (帮我写个脚本,把这个文件夹里 100 个 PDF 提取每页前 200 字汇总成 Excel),AI 在 IDE (代码编辑器) 里自己写代码、跑代码、出结果。

你不用懂任何一行 Python,只要会描述你要什么。

这是普通人的「小工具车间」 —— 你想要的那个 Excel 自动化、那个文件批量处理、那个固定流程自动跑,以前要找程序员,现在你自己描述一下,半小时跑出来。

主流的编程型智能体四个:

Claude Code(Anthropic)
形态是命令行(终端) —— 在终端里输入 claude 就开始用。Anthropic 自己说"Claude 在 Claude Code 里最强"。命令行对非工程师不友好,要点学习。我自己就主要用这个,跨过门槛后是目前最强的编程智能体。
硬伤:2026 年 3-4 月那波 token (AI 处理文字的计量单位,烧得越多花得越多) 消耗暴涨,Max 用户 1 小时打满月度配额,网友大量吐槽变相涨价。

Codex(OpenAI)
形态多样,云端 + IDE 插件 + 命令行都有。直接在 ChatGPT 里就能用,也可以装 VSCode 插件,或者跑终端。底层用 OpenAI 自家的 GPT-5.5。SWE-Bench (业界通用的编程能力测试) 跑分跟 Claude Code 不相上下,是 Claude Code 的最强对手。
硬伤:2026 年 4 月起切了 token 计费,Pro 用户感觉"以前不限量、现在天天跳配额"。

Cursor
IDE 形态 —— 长得像 VSCode (微软那款免费代码编辑器),有完整界面。可以多步跑任务,大重构也能扛。程序员主力工具之一。
硬伤:2025 年 6 月计费方式偷偷改,CEO 公开道歉退款。模型悄悄被降智的吐槽不少。

Trae(字节)
国产 IDE,免费,中文友好。底层模型支持切多个 (豆包 / DeepSeek / Claude / GPT)。SOLO 模式 (它的全自动模式) 做完整 Web 应用速度比手工快 4 倍。
硬伤:内存占用是 VSCode 的 5 倍,被指偷传数据(官方称已优化);复杂业务代码质量略弱。

---

对非工程师的实操建议:装一个 Trae,免费,问它"我想做 XX,帮我用代码做出来"。

它会写、会跑、会调,你拿结果。

最后说一件被严重低估的事 —— 🚀 vibe coding / no code (无代码,可以理解成「不用懂技术就能做软件」),是 AI 出来之后最大的一个创业机会。

普通人不用学技术,就能用自然语言做产品、做工具、做服务。海外已经跑出来一批用 vibe coding 做出年入百万的独立开发者,国内还在起步。

这个机会窗口现在打开了,跟你写没写过代码无关。

你应该认真去了解它。

05 垂类型 —— 国外多,国内少,一个机会方向

第三类是垂类型 —— 专门针对某个专业领域做的智能体。

国外这块挺繁荣:

• Harvey

— 给律师用,做合同审查、案例研究

• Hippocratic AI

— 给医院用,做病人初诊和健康对话

• 11x.ai

— 给销售用,自动跟客户聊到成交

• Decagon

— 给客服用,自动处理工单

• Loop

— 给 HR 用,处理招聘和员工问询

每个垂类都有专门的智能体,深度做那个行业的 know-how (行业经验和判断逻辑)。

国内这块相对少。

原因是国内大厂走的是「全家桶」路线 —— 腾讯、字节、阿里、智谱都想做"什么都能干"的通用平台,把行业能力做成插件 / 技能塞进去。

这是另一条路。全家桶有全家桶的优势`(一站式、

• Skill 像是给服务员上岗培训,让他成为某个菜系的专家,以后所有相关的菜他都会做

---

08 各家叫法不同,但都在做技能商店

Skill 这件事,每家都在做,只是叫法不同 —— Anthropic 叫 Claude Skills,OpenAI 叫 GPTs,字节叫 Coze 插件,腾讯叫 WorkBuddy 技能包,飞书叫智能伙伴技能,月之暗面叫 Kimi+,Cursor 叫 Cursor Rules。

叫法不同,本质一样:装一个,AI 多一项专家能力。

每家都有自己的技能商店 —— 你可以在里面挑别人做好的技能直接装。

但还有一种风气 —— 大量博主、开发者、爱好者把自己写的 Skill 公开在 GitHub(全球最大的开源代码社区) 上。

Claude 生态里有几个出名的 Skill 集合,star 数都到了几万:superpowers 仓库 9.4 万 stars (差不多 9.4 万人收藏),awesome-claude-code 3.7 万 stars,OpenClaw 自己的 Skill 市场 ClawHub 两个月时间从 5,700 涨到 44,000+ Skills。

开源社区的传统主场就在这种平台。开发者们习惯把好东西公开出来。普通用户在你智能体的官方文档里也能找到这些 Skill 的入口。

---

挑 Skill 的实操路径:

1. 先看你用的智能体官方商店有没有现成的

2. 没有再去开源社区搜

3. 两边都没有,自己写 —— 一个 Markdown 文件 (带格式的纯文本文件,用记事本就能开) 就是一个 Skill

最后这条最关键:Skill 这件事的真正杠杆,是你把自己的方法封装出来给 AI 用。

别人的 Skill 永远是别人的判断标准。

你自己的 Skill,才能让 AI 像你那样做事。

---

第五节 · 让它连上你的世界

09 MCP 是什么 —— AI 的 USB-C(点到为止)

最后一件套,叫 MCP(Model Context Protocol,翻译过来是"模型上下文协议")。

如果说 Skill 是给 AI 装专业知识,MCP 就是给 AI 接上你的真实世界数据和工具。

打比方:MCP 是 AI 的 USB-C 接口。

• AI 想看你的 CRM 里有哪些客户?用 MCP 接 CRM
• AI 想查你下周的日历?用 MCP 接日历
• AI 想给你发邮件?用 MCP 接邮件
• AI 想读你的飞书文档?用 MCP 接飞书

有了 MCP,AI 不再是个封闭的对话助手 —— 它能直接调你的真实数据和工具,做完事再告诉你结果。

---

国内外的 MCP 生态有明显差异:

国外是开源路线。Anthropic 2024 年 11 月公布 MCP 协议,开源社区上现在 25,000+ MCP server (已经做好的"接口插头"),大公司互相接,基本是个开放标准。

国内是大厂割据路线。腾讯系内打通 (微信 / 企微 / 腾讯文档),字节系内打通 (扣子 / 飞书 / 抖音),阿里系内打通 (钉钉 / 通义)。

跨厂打通?难。

这个差异决定了一件事:选智能体时,要看你的工作主战场在哪个生态。

• 你的客户全在微信里,选腾讯系智能体能直接 MCP 通微信
• 你的团队全在飞书,选字节系更顺

---

先记住一件事:MCP 决定了你的智能体能不能跟你的真实工作打通。MCP 的细节,下一篇展开讲。

---

第六节 · 为什么大家还没切过去

10 你不是慢,这件事本来就不容易

讲到这里,可能你会有个疑问:

既然智能体这么强,既然大厂都全军备到了 —— 为什么我身边的人,绝大多数还停在豆包对话框里?

你不是慢。这件事本来就不容易跨过去。

我自己观察下来,大家卡住,大致是这几个原因:

第一,够用就行。 大多数人对 AI 的需求其实就是写写文案、整理资料、查个东西。豆包 / ChatGPT 对话框已经够用了。够用了,就没动力换。这是理性决策,跟落后没关系。

第二,追新累。 AI 圈这一年发了 N 个新工具,小龙虾、Manus、Claw、各种龙虾系一波接一波。每个都说"颠覆"。装一个、配置一个、试一个,要花一个晚上。普通人没那个精力。

第三,信息差。 真正知道"大模型 vs 智能体 vs harness vs MCP"这套地图的人,不到 10%。其他人听到一个新词只能划走。这不怪他们,是这件事本身没人讲透。

第四,龙虾热后的警惕。 今年 3 月那波 OpenClaw,从抢着装到花钱卸载,只用了 5 天。闲鱼上同时挂着"666 元包装好"和"299 元帮你卸载"。这种事经历过一次,下一次再来"AI 神器"的时候,普通人本能就警惕。

第五,入口藏太深。 ChatGPT Plus 每月只有 40 次 Agent 配额,免费版 0 次。OpenClaw 要装一堆开发环境、用终端、自己配 API key、处理 20+ 种报错。号称"零代码"的扣子也要学一周。门槛不在你的智商,在产品现状。

---

我自己的判断是:这波"对话→智能体"的切换,会比上一波"百度→ChatGPT"的切换慢得多。

上一波是用法变化 (从搜索到对话),工具一打开就能用。

这一波是工作方式变化 —— 从你跑腿到 AI 跑腿,要选壳子、选大脑、装技能、接生态,四步都要走完才有真正的体验。

所以你现在如果还在豆包里,完全不用焦虑。这是大多数人的状态。

但要意识到一件事:临界点正在过去。

等大厂的龙虾再成熟一年 (估计到 2027 年初),门槛会降下来。那时候你的同事在用,你的客户在用,你的对手在用。

你那时再切,会比现在切难得多 —— 因为周围人已经把工作方式都改了,你不切就脱节。

所以:你不需要现在就切,但你需要现在就看懂。

看懂了,等门槛降下来,你比别人先到。

---

结尾 · AI 办公的范式

11 智能体 × 知识库 × 工作流

最后回到那个开头的问题。

为什么大厂都做自己的龙虾?为什么这一波叫"智能体年"?

因为 AI 办公的样子,可以用一句话定义下来 —— 这是我自己总结的一个公式,业内目前还没人特别明确地把它提出来,但我用下来,确实就是这样:

💡 AI 办公 = 智能体 × 知识库 × 工作流

智能体

—— 替你干活的那个角色 (通用型 + 编程型 + 垂类型)

知识库

—— 你的隐性知识和资料库,可以是带脑子的 (NotebookLM、腾讯 ima、Navi),也可以是普通文档 (飞书文档、Notion、Obsidian)。关键不是它带不带 AI,关键是它能被智能体调用

工作流

—— 把你的方法封装成 Skill,装到智能体里。可以是自家技能商店的现成 Skill,也可以是你自己写的 Markdown

三件套乘起来,不是加起来。

任何一件没有,整套就空了。

• 只有智能体,你的智能体不懂你,做出来的东西像通用模版
• 只有知识库,资料堆在那,没人去用
• 只有工作流,方法在那,没大脑执行

三件套合起来,你就有了一个「懂你 + 替你干活 + 按你方法做」的数字工作伙伴。

---

我现在就这么操作的:

• 主智能体用 Claude Code(我自己日常工作主力是它,编程类用得多)
• 最近服务腾讯系客户,WorkBuddy 也是高频使用
• 知识库放在 ima 里
• 装各种 Skill(把我的写作方法、配图流程、数据归因经验封装起来)

智能体本来不懂我,装上我的 Skill 就懂了。

它不知道我过往的判断,接上 ima 知识库就知道了。

我说一句话,它跑 30 分钟,完成的东西就像我自己做的。

这就是 AI 办公的样子。

---

这件事最妙的地方在于:它不需要你懂技术。

挑一个主智能体(壳子)、挑一个大脑(模型)、构建你的知识库(普通文档也行)、把你的方法封装成 Skill。

四步,你就站到了 AI 办公的门口。

剩下的事,智能体替你干。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套 AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2026 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要 《AI大模型入门+进阶学习资源包》，下方扫码获取~

① 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

② 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

④ AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

⑤ 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

⑥ 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

以上资料如何领取？

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

以上全套大模型资料如何领取？