做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 深度学习

一句话理解：让计算机像人类大脑一样，通过堆叠多层的‘神经元网络’，从原始数据中自动学习由简单到复杂的多层次特征表达，最终实现智能决策。

对比之前 机器学习， 就是让计算机学会“举一反三”的深度思考能力，如：从认识鸟，到自动分辨出老鹰和麻雀的特征。

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 神经网络算法

一句话核心：“神经网络 = 模拟人脑的计算网络，通过层层传递数据自动学习规律，​​输入→加工→输出​​是它的核心工作流”

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 卷积网络CNN

一句话核心：CNN = 模拟人类视觉系统，用局部感知+参数共享机制高效处理​​图像、视频、医学影像​​等网格数据

简单理解就是将图片数据降低复杂度，在拆分成一个个小块（局部特征），结合统一的参数规划，最终完成图像识别。

做一个有温度和有干货的技术分享作者 —— Qborfy

前面我们学了LangChain的使用和Agent开发，Langchain是一个线性工作流，如果想要在实际开发复杂的Agent，那么实现非常麻烦，比如可能会遇上一以下一些问题：

• 当调用某个工具方法出现错误或不是所需要的结果，需要循环调用工具方法直到返回需要的结果
• 当需要一次任务中，需要保存不同工作节点的状态
• 当需要调用不同LLM模型时候
• 当链路中断，需要从上一个工作节点继续执行
• ……

为了解决这些问题，LangChain抽象出一个高级框架: LangGraph，接下来就开始学习LangGraph的开发。

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 无监督学习

一句话核心：让AI在「没有标准答案」的数据中自己发现规律——像人类探索未知世界！

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 强化学习

一句话核心：AI在试错中成长，像小孩学走路，通过奖励/惩罚信号找到最优行为策略

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 监督学习。

是什么

监督学习：让AI像学生一样，通过「带答案的习题集」学习总结出规律，然后根据规律应用到新的习题中。

监督学习，是机器学习中的一种方式，把已经分类的数据给到数据模型，让模型自己学习规律，然后对没有分类的数据进行分类。

做一个有温度和有干货的技术分享作者 —— Qborfy

前面我们已经学习如何通过 Langchain调用独立部署的DeepSeek-R1:32b模型，且完成一些简单的应用，如： RAG 知识库的实现。

接下来我们学习如何通过LangChain实现一个Agent智能体，从而让 AI 模型帮忙实现做更多事情。

做一个有温度和有干货的技术分享作者 —— Qborfy

经过LangGraph+LangChain系列文章的学习后， 对LangGraph有了全面，那么接下来就应该学习通过LangGraph开发工业级RAG和部署。

工业级服务需要达到以下几个要求：

• 可靠性：强调高可用性和容错性，以确保业务的连续性
• 安全性：对安全性要求极高，需要提供强大的安全保障措施，如数据加密、访问控制、安全审计等。
• 可扩展性：需要能够根据业务发展灵活扩展，支持不断增长的用户和数据量

接下来我们一起学习如何攻克工业级RAG落地的完整方案与实现。

做一个有温度和有干货的技术分享作者 —— Qborfy

经过LangGraph系列文章的学习后， 现在我们需要通过 LangChain + 大模型 + 低代码平台， 开发具备实际功能的 AI 应用：

低代码平台AI助手：通过用户输入自然语言能实现 低代码平台页面生成、编辑等