最近看了一下公众号后台，距离上一篇文章都快7年了。
回看过去的几年，云计算已日趋成熟，容器技术也从互联网大厂落地到主流企业。希望 OpenStack、Docker 和 Kubernetes 这几个教程也为技术普及和推广发挥了或多或少的作用。
这几年虽然没更新公众号，CloudMan 也没闲着，始终保持着对新技术的好奇心。
众所周知，人工智能是近几年最引人注目的新技术。
2022年底 chatGPT 和 Midjourney 刚出来的时候，大部分人（包括我自己）还只是把 AI 当作新颖的聊天或画画工具。随着大模型快速迭代和升级，逐步展现出了强大的推理能力，这也让很多人开始关注和使用 AI。今年春节更是由于 DeepSeek R1 的横空出世让人工智能迅速出圈，甚至连我七十多岁的老爹都开始问我人工智能帮他干点啥。
AI 已经势不可挡了
可以预料，未来几年 AI 会迎来爆发式的发展，各行各业都会应用和落地 AI。就像00年的互联网和10年的移动互联网。
作为技术人员，我们非常有必要好好想想：现在该做些什么准备才能为自己职业生涯提供更多的机会。
当意识到人工智能是大势所趋后 CloudMan 便开始学习相关知识。在 coursera 上把吴恩达关于机器学习和生成式 AI 的所有课程都过了一遍（B站上也有搬运好的）， 尝试国内外大模型公司提供的各类服务，同时持续关注 AI 领域的最新进展。
对 AI 了解得越多，就越发感觉 AI 以后将无处不在，AI 真的会改变这个世界。
拉回到眼前当下，我自己能做些什么呢？
在我看来，AI 要真正改变世界离不开海量的 AI 落地应用。参考移动互联网，我们的手机上那个不都得有几十上百个APP？涵盖衣、食、住、行、工作各个方面。同样的，以后几乎所有的服务和行业都会被人工智能重塑，所有的APP都值得+AI。今后几年对 AI 应用开发的需求也将呈几何式增长。
所以我决定写一个 AI 应用开发的教程
教程的目标
这个教程的目标是让大家能够快速掌握 AI 应用开发的基本技能。
教程适合谁？
生成式人工智能具有极高的科技含量，它包含了复杂的神经网络算法，海量数据的训练，涉及计算机科学、数学、统计学、物理学等多个学科的知识。所以很多人会认为开发AI应用的门槛会很高。
事实恰恰相反。
开发AI应用并不是开发AI大模型。相较传统应用，AI应用开发的门槛反而是大大降低了。
-
有了大模型，很多功能实现起来更简单了。
AI应用是利用大模型的能力来实现具体的服务和功能。大模型的赋能使得以前难已实现的功能变得轻而易举。比如开发一个翻译软件，以前得建立庞大的双语平行语料库，开发分析器和生成器，这可不是小公司能玩得转的。而现在只需要调用大模型的 API 就能轻松到达远超前者的效果。
-
AI 能够辅助开发。
开发人员可以利用大模型调研需求、探讨技术方案，甚至在编码过程中使用AI工具提升效率。有了AI的加持，非专业程序员都能开发出优秀的应用。
今后，我们可能会发现很多好用的APP背后其实是由几个人的小团队开发，甚至一个懂些技术的产品经理也能独立开发出优秀的APP。以后对开发人员的要求更可能是多方面的，他/她当然得有一些开发经验，但更重要的是能够洞察客户需求，能够与AI协作完成开发任务。
所以，谁适合看这个教程？
