写在前面欢迎大家关注Rocky的知乎Rocky Ding《三年面试五年模拟》AIGC/LLM/AI Agent算法工程师/开发工程师求职面试秘籍独家资源【三年面试五年模拟】WeThinkIn/AIGC-Interview-Book欢迎大家StarRocky最新撰写的10万字AI AgentAI智能体深入浅出全维度解析文章深入浅出完整解析AI AgentAI智能体的核心基础知识AIGC/LLM/AI Agent算法岗/开发岗求职面试内推学习社群涵盖AIGC、LLM大模型、AI Agent、传统深度学习、自动驾驶、机器学习、计算机视觉、自然语言处理、强化学习、大数据挖掘、具身智能、元宇宙、AGI等AI行业最新面试干货经验与核心知识欢迎大家加入https://t.zsxq.com/33pJ0大家好我是Rocky。核心导读DeepSeek Harnessv0.1.5-rc.1最容易被概括成一句话适配 DeepSeek V4.1 Flash。但如果只看到模型名就会错过这次更新真正重要的系统变化。这不是把配置文件里的model字段换成一个更快的模型而是把模型能力声明、动态系统提示词、KV Cache、文件系统、右侧工作面、子 Agent 控制与会话持久化放进同一个可组合运行时。模型不再只是被 Harness 调用的黑盒Harness 也不再只是包在模型外面的工具壳。两者开始围绕完整任务轨迹共同优化。Rocky 认为本次版本的核心判断是Agent 的竞争单位正在从“单次模型调用”升级为“模型与运行时共同完成的一条可缓存、可控制、可恢复、可交付的执行轨迹”。但版本身份必须先说清楚官方发布的是dsh-v0.1.5-rc.1即0.1.5系列的第一个候选版本而不是稳定版v0.1.5。官方安全文档也明确把 DeepSeek Harness 定义为未经安全审计的实验性开发者预览软件。它适合研究和隔离环境验证不应被包装成生产级 Agent 平台。1. 这次更新为什么不只是“换了一个模型”官方发布说明确认DeepSeek 模型适配器新增DeepSeek-V41-Flash配置别名为deepseek-flash支持文本、图片和会话历史中的系统提示词更新。新会话默认使用该模型除非用户在配置中显式指定其他模型。其中真正特殊的并不是“文本 图片”本身而是in-history system prompt update。它意味着模型适配器不仅报告上下文窗口和输出上限还需要向 Agent Loop 声明自己是否能够在一个持续请求序列中把新的系统提示词作为历史尾部更新处理。这就把模型接入从“地址、密钥、模型名”提升成了能力协商。Harness 需要知道某条实际路由能做什么才能决定如何构造消息历史、是否可以复用缓存、发生能力变化时是否要开启新的请求序列。从系统设计看模型适配器因此承担两类责任一类是把统一请求翻译成供应商协议另一类是如实声明路由能力。前者决定“能不能调用”后者决定“运行时能不能安全地优化”。如果能力声明错误得到的不是普通配置问题而可能是缓存语义与行为语义同时失真。2. Harness 到底是什么模型与现实世界之间的执行宿主大模型负责预测下一段 token却不天然拥有文件、进程、工具、权限、会话、恢复和交付能力。Agent 之所以能从“回答问题”走向“完成任务”依赖的是模型外部的执行宿主。DeepSeek Harness 的底层建立在 Cordis 上。官方架构文档明确说明模型适配器、工具注册表、会话日志甚至 Agent Loop 本身都是插件。插件通过共享服务、类型化事件和可逆副作用组合插件卸载时其注册行为会被撤销。这里不存在一个必须反复打补丁的特权单体核心。运行中的dsh是一棵插件树。web、headless、sdk、sdk-minimal与acp是不同 ProfileBundle 提供可分发的配置层Profile Patch、Home Patch 和命令行 Overlay 再按顺序叠加。于是同一套能力契约可以组装成浏览器应用、无界面执行器、SDK 服务或自动化入口。这套设计的长期价值不是“插件越多越好”而是替换成本显式化。模型提供方可以换文件系统可以从本地切到远程沙箱UI 可以换工具集合可以收缩但消费方不必跟着每个实现重写。对应的代价也很直接配置层、事件协议、插件版本和权限边界都会成为新的复杂度来源。3. 动态系统提示词为什么通常会破坏 KV Cache对自回归 Transformer 来说第t tt个位置之前的 Key、Value 可以写成K 1 : t X 1 : t W K , V 1 : t X 1 : t W V K_{1:t}X_{1:t}W_K,\qquad V_{1:t}X_{1:t}W_VK1:t​X1:t​WK​,V1:t​X1:t​WV​推理服务能够复用 KV Cache隐含前提是已经计算过的 token 前缀及相关模型处理保持一致。如果系统提示词位于整个历史的开头而运行时直接把System v1重写为System v2前缀 token 已经发生变化后续位置对应的注意力状态也不再是同一条计算轨迹。可以用一个概念化的缓存身份表示这种约束C a c h e K e y H ( m o d e l , p r o m p t p r e f i x , a d a p t e r c o n f i g , p r o t o c o l ) \mathrm{CacheKey}H(\mathrm{model},\ \mathrm{prompt\ prefix},\ \mathrm{adapter\ config},\ \mathrm{protocol})CacheKeyH(model,promptprefix,adapterconfig,protocol)只要这些决定前缀语义的条件发生变化旧缓存就不能被想当然地继续使用。DeepSeek Harness 的处理并不是承诺“任何模型都能无损更新系统提示词”。官方文档给出的条件更严格Agent Loop 先解析并准备实际模型调用再读取该路由声明的systemPromptUpdate能力。只有在请求序列持续、渲染结果非空且准备后的路由明确支持in-history时新的系统提示词才会追加到缓存历史之后。如果路由不具备该能力或者当前步骤开启了新的请求序列系统会把非空提示词规范化到第一个系统节点若渲染结果为空则清除所有仍然生效的系统节点避免旧指令在模型历史中“复活”。因此缓存能否保留是模型协议、路由能力和会话序列共同决定的结果不是 Harness 单方面的魔法。这件事的本质是把“提示词工程”升级为“带状态的运行时协议”。系统提示词不再只是一段启动时固定文本而可能由 Skill、工具、工作区状态、用户 Persona 或任务阶段动态组装。若每次变化都重算长前缀成本与首 token 延迟会快速上升若为了缓存而不更新又会让模型看到过期规则。in-history机制尝试在行为新鲜度与前缀复用之间建立一个显式契约。4. “模型可见即已记录”Session V3 为什么是底座变化Agent 系统最怕的不是一次失败而是失败之后无法回答三个问题模型当时看到了什么、工具到底执行了什么、恢复之后为何走向另一条路径。DeepSeek Harness 把 Session 定义为仅追加的类型化事件日志。一个会话状态可以表示为S t ( e 1 , e 2 , … , e t ) , S t 1 S t ⊕ e t 1 S_t(e_1,e_2,\ldots,e_t),\qquad S_{t1}S_t\oplus e_{t1}St​(e1​,e2​,…,et​),St1​St​⊕et1​模型历史不是单独保存的一份可变消息数组而是事件日志的一种投影M t Π m o d e l ( S t ) M_t\Pi_{\mathrm{model}}(S_t)Mt​Πmodel​(St​)同一事件源还可以投影出 Web UI 状态、轮次边界、回放记录、评估指标和恢复状态。持久事件与实时控制事件被刻意分开turn/start、system/message、user/message、assistant/message、tool/call、tool/result等进入会话日志流式 token 增量和运行中的控制信号则属于实时事件。这里有一个非常重要的运行时不变量模型可见即已记录。凡是实际进入模型请求的内容都必须能够从会话日志重建。新增一种模型可见输入也应新增相应会话事件而不是把它藏在某个进程内变量里。v0.1.5-rc.1同时把会话数据格式升级到 V3。支持的旧日志会迁移生成新文件并保留原始日志升级后的会话不支持降级读取。持久化 API 由生命周期范围内的SessionHandle持有新加入的会话锁保证同一 Session 至多被一个进程持有。这几项变化共同处理的是一致性问题。保留旧文件提供了迁移证据拒绝降级避免旧程序用不完整语义解释新事件单写者锁则减少两个进程并发追加导致日志分叉或覆盖的风险。不过事件溯源也不是免费的Schema 需要版本化未知必需事件必须拒绝恢复日志增长、压缩、隐私保留和迁移测试都要成为长期工程负担。5. 一步、一个轮次和一次任务不是同一个概念官方架构对执行粒度的定义很值得重视一个 Step 是一次模型请求加上该请求触发的工具执行一个 Turn 包含零个或多个 Step一个用户目标又可能跨越多个 Turn、子 Agent 和恢复周期。这一区分让 Queue、Steer、Stop 具备了清晰语义。Queue把新消息放入待处理队列让当前工作到达可接纳边界后再领取Steer是在运行过程中补充约束或改变方向而不是重新创建一个无关会话Stop终止当前执行用户暂停后模型不能自行恢复Edit/Delete只对尚未投递的排队消息生效避免变更已经进入执行轨迹的历史事实。这些能力看似是输入框交互实际属于并发控制。一个 Agent 正在进行模型流式输出、工具执行或子 Agent 调度时新输入究竟进入本 Step、下一个 Step 还是下一个 Turn必须有可复现的规则。否则用户以为自己“已经纠偏”系统却可能在旧指令下继续执行高风险动作。6. 子 Agent 双向通信多 Agent 的价值是可控并行不是数量本次版本让可继续对话的子 Agent 支持消息排队、编辑、删除、Steer 和 Stop。Agent Teams 的send_message统一采用 steer 语义并在跨 Agent 和冷恢复投递中保留发送者归属与顺序。这张实践图展示的重点不是小游戏而是一项任务可以被拆到多个成员、产生中间文件并汇总为可运行结果。但“多个 Agent 同时工作”并不会自动产生群体智能。并行化只有在任务可分解、依赖明确、冲突可检测、结果可验收时才真正有价值。可以把多 Agent 的净收益粗略写成G t e a m V p a r a l l e l − C c o o r d i n a t i o n − C d u p l i c a t i o n − C c o n f l i c t G_{\mathrm{team}}V_{\mathrm{parallel}}-C_{\mathrm{coordination}}-C_{\mathrm{duplication}}-C_{\mathrm{conflict}}Gteam​Vparallel​−Ccoordination​−Cduplication​−Cconflict​如果子任务之间高度耦合消息频繁往返多个成员重复读取同一上下文或输出缺少统一验收标准协调成本就可能超过并行收益。Agent Teams 提供 roster、共享任务板和 mailbox只是建立了协作基础设施真正的质量仍取决于任务切分、证据回传、冲突处理和主 Agent 的最终验证。而且该能力仍是实验性插件默认不启用需要用户显式加入 Profile。把它描述成已经成熟的默认多 Agent 系统会超出官方证据边界。7. 文件上传与 Sidebar从“聊天输出”转向“可接管成果”传统聊天产品把答案视为最终交付物但真实工作通常需要 Markdown 报告、代码、HTML 页面、PDF、图片或一组目录结构。文字说“已经完成”不等于文件真的存在更不等于人类能够检查和接管。v0.1.5-rc.1的 Web 支持上传任意类型文件后台上传可以显示进度、取消并在会话切换后继续显示。文件保存后模型使用已有文件工具按需读取而不是必须把整个二进制内容塞入上下文。右侧 Sidebar 则支持多标签、分栏、全屏以及 Markdown、代码、HTML、PDF 和图片预览模型可以显式交付文件用户可以在 Sidebar 中预览、用系统默认应用打开或在文件管理器中定位。这不只是 UI 功能增加而是在建立 Artifact 协议。一个可交付成果至少应具有四个属性确定的路径、明确的格式、可观察的生成状态以及独立于模型自述的人类验收入口。国际象棋插件案例说明模型输出可以从聊天文本延伸为可交互的工作面。更关键的是工具输入、局面状态和可视化结果被放在同一个可检查环境里人类能看到 Agent 到底在操作什么。光学渲染案例则进一步展示了文件型成果的意义当输出是图像、代码和中间资源时Sidebar 让“交付”成为一个显式动作。Agent 的价值因此不只取决于回答是否流畅还取决于成果能否被打开、比较、修改、版本化和继续使用。8. 插件化能力分层为什么替换 Provider 不应改变 ToolDeepSeek Harness 把一种可替换能力拆成三个角色Service Definition 定义契约Service Provider 提供实现Consumer 或 Tool 消费能力。以文件系统为例Tool 面向模型提供read、write、edit等稳定接口Provider 可以指向本地工作区也可以指向远程沙箱Service Definition 约束两者如何连接。如果 Provider 被替换模型工具与上层工作流不必知道底层从本地切到了远端。这种分层对 V4.1 Flash 适配同样重要。Agent Loop 不应该通过判断模型名称来猜测“是否支持历史内系统提示词更新”而应读取准备后路由的能力声明。面向名称写分支会快速形成版本泥潭面向能力协商则允许后续模型或自定义 Provider 复用相同协议。当然接口稳定不等于行为等价。两个 Provider 即使实现同一接口也可能在时延、失败语义、路径隔离、编码、事务性和权限边界上不同。因此Provider 替换需要契约测试和运行时观测不能只靠 TypeScript 类型检查宣布兼容。9. 版本升级里那些“不显眼但更接近生产”的变化发布说明里还有几项不够吸睛却很能反映 Harness 的工程方向。第一所有出站请求遵循HTTP_PROXY、HTTPS_PROXY、ALL_PROXY与NO_PROXY。这让 Harness 能进入需要代理、审计网关或网络分区的开发环境但环境变量只解决路由问题不等于提供访问控制和数据防泄漏。第二工具执行错误开始保留更稳定的结构化语义。例如未观察到文件写入或编辑失败会统一报告FS_NOT_OBSERVED同时保留文件路径、错误码和原始原因。Agent 系统要可靠恢复错误就不能只是一段给人看的文本而应能被程序分类和决策。第三默认工具发生破坏兼容性的调整。SDK、Headless 和 ACP 默认使用read、write、editWebminimal与 Pythonsdk-minimal默认只保留持久 Shellstr_replace_editor需要显式启用。插件 Agent API、Inbox API 和 Web 面板 API 也有迁移。这些变化说明项目仍在快速重塑边界升级前必须固定版本并跑回归测试。10. 模型与 Harness 共同训练、共同演化意味着什么当训练只优化下一 token 预测模型学到的是语言分布当后训练加入工具调用模型开始学习何时发出结构化动作当评估再覆盖文件操作、长任务、恢复、Steer、多 Agent 协作与最终 Artifact优化对象就扩展为完整轨迹。这会形成一个反馈闭环Harness 把真实任务拆成可记录的事件、工具结果和交付物这些轨迹暴露模型在规划、调用、恢复和验证上的失败新的模型训练再针对这些失败优化模型能力变化又推动 Harness 调整提示词协议、工具集合和调度策略。因此“共同进化”不是一句抽象口号它至少包含三层可测对象层次只看模型时的指标模型与 Harness 共同时应增加的指标推理层准确率、生成质量、Token 速度缓存命中率、首 token 延迟、路由能力一致性执行层工具调用格式正确率任务完成率、重试率、无效动作率、Steer 生效边界交付层最终回答偏好文件可达性、测试通过率、可恢复性、人类接管成本真正成熟的 Agent 评估不应问“模型说自己完成了吗”而应读取外部真实状态文件是否存在、测试是否通过、差异是否符合预期、远端记录是否写入、权限是否越界、成果是否能被独立打开。Session 事件流能提供过程证据Artifact 能提供结果证据两者缺一不可。11. 安全边界这仍是未经审计的开发者预览软件这一节不是例行免责声明而是使用结论的一部分。官方安全文档明确写道DeepSeek Harness 尚未接受安全审计不得视为安全或可用于生产环境的软件。它可以执行模型生成的代码和命令、加载第三方插件并访问被授予的网络、进程、凭据与文件。错误输出、缺陷、配置错误、恶意输入和不可信插件都可能造成文件损坏、数据泄露或凭据泄露。沙箱、审批和权限控制只能降低风险不能保证隔离也无法保护已经被明确授权访问的资源。换句话说“运行在沙箱里”不能被当成对不可信任务的唯一安全控制。现阶段更合理的实践是在一次性虚拟机、容器或专用开发环境中验证不要直接接入生产主机只授予任务需要的最小文件、进程、网络和凭据权限固定dsh-v0.1.5-rc.1及插件版本不要在关键流程里盲跟latest安装前检查插件来源、配置与拟执行命令并准备可恢复备份对动态系统提示词、Session V3 迁移、工具默认值和插件 API 做针对性回归让最终验收依赖测试、哈希、日志与远端状态而不是依赖 Agent 的自然语言自述。12. 工程实践如何验证这次版本而不是只“跑起来”官方快速启动命令是npx deepseek-ai/dsh web默认 Web UI 地址为http://127.0.0.1:3080根包要求 Node.js^22.19.0 || 24.0.0。但验证工作不应止于看到页面。建议至少设计五组实验。第一组固定同一长前缀分别在支持和不支持in-history的路由上动态更新系统提示词观察缓存命中、Token 计费和行为变化。第二组在模型输出中途 Queue、Steer、Stop记录每条消息实际进入哪个 Step 与 Turn。第三组上传大文件让模型按需读取并交付 Markdown、PDF、图片各一种 Artifact确认路径与 Sidebar 预览一致。第四组创建子 Agent进行双向消息与冷恢复核对发送者和顺序是否保留。第五组复制旧会话后升级到 V3确认新旧文件都存在、升级会话可恢复、旧版本无法误读并验证双进程争抢同一 Session 时锁是否生效。这些实验的价值在于它们分别触碰本次版本最重要的边界缓存身份、并发输入、文件交付、跨 Agent 消息和持久化一致性。只有这些边界被验证才算真正理解了这次更新。结语v0.1.5-rc.1并没有让 DeepSeek Harness 一夜之间成为生产级平台。候选版本、破坏兼容性变更、实验性 Agent Teams 和未经安全审计都是必须正视的限制。但它展示了一条很清晰的方向模型适配器开始声明运行时能力系统提示词开始成为可记录、可协商的状态Session 开始成为多种投影共享的事件源文件开始成为 Agent 的交付协议子 Agent 控制开始具备队列与中断语义。过去我们常把 Harness 理解成“让模型调用工具的那层代码”。更准确的定义应该是Harness 是模型智能进入现实工作流后用来约束、记录、恢复、协作和交付的执行系统。当模型训练逐渐面对真实 Agent 轨迹Harness 也根据模型能力调整缓存、提示词、工具和状态协议两者的边界就会越来越难分开。下一阶段真正有竞争力的 Agent不会只拥有一个更强模型而会拥有一套与模型共同设计、能够被验证的运行时。推荐阅读1. 深入浅出完整解析AI AgentAI智能体的核心基础知识2025年可以说是AI Agent全面落地应用的元年因此Rocky在持续撰写对AI Agent的全维度解析文章深入浅出完整解析AI AgentAI智能体的核心基础知识2. 深入浅出完整解析扩散模型DDPM、DDIM、Score-Based、SDE、LDM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识Rocky对扩散模型的本质原理与和核心基础知识进行了全面系统的深入浅出分析讲解同时不断跟进补充扩散模型的最新技术发展希望能给大家带来帮助深入浅出完整解析扩散模型DDPM、DDIM、Score-Based、SDE、LDM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识3. 入浅出完整解析FLUX.2、Seedream即梦、Z-image、GLM-Image核心基础知识Rocky对AIGC时代“中场时刻”之后的主流AIGC创作大模型的核心基础知识进行了全面系统的深入浅出分析讲解力求让大家通俗易懂理解AIGC时代的技术浪潮的本质价值入浅出完整解析FLUX.2、Seedream即梦、Z-image、GLM-Image核心基础知识4. 深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识Rocky对FLUX.1 Kontext和FLUX.1 Krea的核心基础知识作了全面系统的梳理与解析深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识5. 深入浅出完整解析DeepSeek系列核心基础知识Rocky对DeepSeek系列模型的核心基础知识作了全面系统的梳理与解析深入浅出完整解析DeepSeek系列核心基础知识6. 深入浅出完整解析Stable Diffusion 3SD 3和FLUX.1系列核心基础知识Rocky对Stable Diffusion 3和FLUX.1的核心基础知识作了全面系统的梳理与解析深入浅出完整解析Stable Diffusion 3SD 3和FLUX.1系列核心基础知识7. 深入浅出完整解析Stable Diffusion XLSDXL核心基础知识Rocky对Stable Diffusion XL的核心基础知识作了全面系统的梳理与解析深入浅出完整解析Stable Diffusion XLSDXL核心基础知识8. 深入浅出完整解析Stable DiffusionSD核心基础知识Rocky对Stable Diffusion 1.x-2.x系列模型的核心基础知识做了全面系统的梳理与解析深入浅出完整解析Stable DiffusionSD核心基础知识9. 深入浅出完整解析Stable Diffusion中U-Net的前世今生与核心知识Rocky对Stable Diffusion中最为关键的U-Net结构进行了深入浅出的全面解析包括其在传统深度学习中的价值和在AIGC中的价值深入浅出完整解析Stable Diffusion中U-Net的前世今生与核心知识10. 深入浅出完整解析LoRALow-Rank Adaptation模型核心基础知识对于AIGC时代中的“ResNet”——LoRA模型Rocky进行了深入浅出的全面讲解深入浅出完整解析LoRALow-Rank Adaptation模型核心基础知识11. 深入浅出完整解析ControlNet核心基础知识AIGC图像创作开源社区已经形成以Stable Difffusion/FLUX为核心ConrtolNet和LoRA作为首要AI辅助工具的变化万千的AIGC图像创作工作流。ControlNet正是让AI图像创作社区无比繁荣的关键一环它让AIGC图像创作过程更加的可控更有助于广泛地将AIGC算法解决方案应用到各行各业中深入浅出完整解析ControlNet核心基础知识12. 深入浅出完整解析Sora、Seedance、keling等AI视频大模型核心基础知识AI绘画和AI视频是两个互相促进、相互交融的领域2024年无疑是AI视频领域的爆发之年Rocky对AI视频领域核心的Sora、Seedance、Keling等大模型进行了全面系统的梳理与解析深入浅出完整解析Sora、Seedance、keling等AI视频大模型核心基础知识13. 深入浅出完整解析AIGC时代Transformer核心基础知识在AIGC时代中Transformer为AI行业带来了深刻的变革。Transformer架构正在一步一步重构所有的AI技术方向成为AI技术架构大一统与多模态整合的关键核心基座大有一统“AI江湖”之势。Rocky也对Transformer模型进行持续的深入浅出梳理与解析深入浅出完整解析AIGC时代Transformer核心基础知识14. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识AIGC创作框架正是AIGC算法工作流的运行载体目前主流的AIGC创作框架有ComfyUI、Diffusers、Stable Diffusion WebUI等。在传统深度学习时代PyTorch、TensorFlow以及Caffe是传统深度学习模型的基础运行框架到了AIGC时代Rocky相信ComfyUI就是AIGC时代的“PyTorch”、Stable Diffusion WebUI就是AIGC时代的“TensorFlow”、Diffusers就是AIGC时代的“Caffe”深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识15. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识在AIGC时代中如何快速转身入局AIGC产业如何成为AIGC/LLM/AI Agent算法/开发工程师如何在学校中系统性学习AIGC/LLM/AI Agent知识斩获心仪的AIGC/LLM/AI Agent算法/开发offerDon‘t worryRocky为大家总结整理了全面的AIGC/LLM/AI Agent算法/开发工程师成长秘籍为大家答疑解惑希望能给大家带来帮助手把手教你成为AIGC/LLM/AI Agent算法/开发工程师斩获AIGC/LLM/AI Agent算法/开发offer16. AIGC产业的深度思考与分析2023年3月21日微软创始人比尔·盖茨在其博客文章《The Age of AI has begun》中表示自从1980年首次看到图形用户界面graphical user interface以来以OpenAI为代表的科技公司发布的AIGC模型是他所见过的最具革命性的技术进步。Rocky也认为AIGC及其生态会成为AI行业重大变革的主导力量。AIGC会带来一个全新的红利期未来随着AIGC的全面落地和深度商用会深刻改变我们的工作、生活、学习以及交流方式各行各业都将被重新定义过程会非常有趣。那么在此基础上我们该如何更好的审视AIGC的未来我们该如何更好地拥抱AIGC引领的革新Rocky准备从技术、产品、商业模式、长期主义等维度持续分享一些个人的核心思考与观点希望能帮助各位读者对AIGC有一个全面的了解深入浅出全面解析AIGC时代核心价值与发展趋势2025年版17. AI算法工程师的独孤九剑秘籍为了方便大家实习、校招以及社招的面试准备同时帮助大家提升扩展技术基本面Rocky将符合大厂和AI独角兽价值的算法高频面试知识点撰写总结成《三年面试五年模拟》之独孤九剑秘籍:【三年面试五年模拟】AIGC时代的算法工程师的求职面试秘籍持续更新中18. 深入浅出完整解析AIGC时代中GANGenerative Adversarial Network系列模型核心基础知识GAN系列模型作为传统深度学习时代的最热门生成式Al模型在AIGC时代继续繁荣作为Stable Diffusion/FLUX系列大模型的“得力助手”广泛活跃于AlGC图像创作的产品与工作流中深入浅出完整解析AIGC时代中GANGenerative Adversarial Network系列模型核心基础知识