不管是搞 AI Coding，还是做 AI 应用，今年有个绕不开的技术点：MCP。

很多同学第一次接触 MCP，感觉云里雾里，到现在可能也是一知半解。

本文将用相对通俗的语言配合一些动图，让大家不仅知道 MCP 是什么、为什么用，通过 Cherry Studio 让大家“看见”MCP 的过程，理论与实践相结合。

MCP 是什么？

简单讲， MCP 是一个 AI Agent 调用工具的协议。

MCP 的客户端和服务端建立连接，然后可以通过服务端调用工具执行各种操作。

为什么需要 MCP？

解决传统的 M × N 集成噩梦

在 MCP 出现之前，AI Agent 连接外部工具，基本就是“硬编码”一对一手工对接。

比如说，你有 M 个 AI 应用，N 个工具(数据库、文件系统啥的)，那就得写 M × N 个集成模块。每对接一个新工具,都要从头适配一遍，费时费力。

MCP 怎么解决的?引入一个通用协议，就像 USB-C 标准一样。

有了 MCP，M 个 AI 应用只需实现一次 MCP 客户端，N 个工具只需实现一次 MCP 服务器。一次对接，解锁整个生态——这才是真正的效率提升!

标准化工具的发现和使用

MCP 的核心在于让工具可被发现、可被使用，尤其是跨多个 Agent、模型或平台时。

主要有以下几点：

• 标准化接口: MCP 提供统一框架，让 AI 模型与外部工具无缝交互
• 工具可发现性: 标准化了工具的定义、托管和向 LLM 暴露的方式，LLM 能轻松发现可用工具、理解架构并使用
• 可靠性和可执行性: 确保工具可靠可用、可发现、可执行,无需手动定制集成，还能提供调用前的审批和审计工作流

拓展能力边界

大语言模型虽然很智能，但也不是万能的。很多任务需要调用各种工具来实现。

有了 MCP 就拓展了大模型的能力边界，它能够获取更多信息，能够执行更多复杂的操作。

MCP 的原理

整个过程，就像“大老板（用户）找管家（AI）办事，管家指挥专业工匠（MCP Server）干活”的过程。

核心角色介绍

• User（用户）： 下达命令的大老板。
• MCP Host (客户端，如 Cursor、Cherry Studio、Qoder等)： AI 的运行环境，相当于“管家办公室”。
• LLM (大模型，如图中的 deepseek)： AI 的大脑，负责思考和决策。
• MCP Server (服务端)： 这是一个百宝箱，里面装着各种**MCP Tools (工具)**，专门干脏活累活（比如查网页、读文件、查数据库）。

---

执行过程

第一阶段：提出需求与分析 (步骤 1-3)

1. Input (输入)： 你（用户）问了一个需要查资料或操作电脑的问题（比如“帮我查查今天的天气”）。
2. Select MCP tool (选择工具)： AI 大脑（LLM）一看，发现自己不知道今天天气，心想：“我得用个天气工具才行”。
3. Return MCP tool (确认工具)：AI 告诉管家系统（MCP Client）：“我要用‘天气查询’这个工具，准备调用它。”

第二阶段：安全审批 (步骤 4)

4. MCP Tool approval (工具审批)： 这一步很关键！ 为了安全，管家会转头问你：“老板，AI 想要调用‘天气查询’工具，或者读取你的文件，你同意吗？”只有你点了“同意”，流程才会继续。

第三阶段：干活与反馈 (步骤 5-8)

5. Request tool call (请求调用)： 获得批准后，管家向存放工具的百宝箱（MCP Server）发出指令。
6. Invoke MCP tool (执行工具)： 百宝箱里的“天气工具”开始工作（比如联网去气象局抓取数据）。
7. Tool Output (工具产出)： 工具干完活了，拿到结果（例如：“今天北京晴，25度”）。
8. Return output (返回结果)： 百宝箱把这个结果打包，传回给管家系统。

第四阶段：整理汇报 (步骤 9-10)

9. Send output and query to LLM (发送结果给 AI)： 管家拿着你最初的问题和工具查到的结果，一起交给 AI 大脑。就像对 AI 说：“老板问天气的，工具查到了是25度，你组织下语言回复吧。”
10. Generate (生成回答)： AI 大脑结合数据，写出一段通顺的人话（“杭州今天天气晴朗，气温25度…”），最终展示给你。

理论结合实践

为了“看见” MCP 的执行过程，我们采用 Cherry Studio 做演示。

传送门：https://www.cherry-ai.com/

设置 - MCP - ModelScope 获取魔搭的密钥粘贴到这里。

在网页版「开启」想用的 MCP 服务：

12306 车票查询：https://www.modelscope.cn/mcp/servers/@Joooook/12306-mcp

时间服务：https://www.modelscope.cn/mcp/servers/@modelcontextprotocol/time

在 Cherry Studio 中「获取服务器」

并且「+」启用。

回到对话框中，选择可能会用到的 MCP。

直接对话，可以看到 Cherry Studio 调用对应 MCP 的参数。

具体的请求参数如下：

{    "model": "google/gemini-3-pro-preview",    "temperature": 1,    "messages": [        {            "role": "system",            "content": "In this environment you have access to a set of tools you can use to answer the user's question. \\\nYou can use one tool per message, and will receive the result of that tool use in the user's response. You use tools step-by-step to accomplish a given task, with each tool use informed by the result of the previous tool use.\n\n## Tool Use Formatting\n\nTool use is formatted using XML-style tags. The tool name is enclosed in opening and closing tags, and each parameter is similarly enclosed within its own set of tags. Here's the structure:\n\n<tool_use>\n  <name>{tool_name}</name>\n  <arguments>{json_arguments}</arguments>\n</tool_use>\n\nThe tool name should be the exact name of the tool you are using, and the arguments should be a JSON object containing the parameters required by that tool. For example:\n<tool_use>\n  <name>python_interpreter</name>\n  <arguments>{\"code\": \"5 + 3 + 1294.678\"}</arguments>\n</tool_use>\n\nThe user will respond with the result of the tool use, which should be formatted as follows:\n\n<tool_use_result>\n  <name>{tool_name}</name>\n  <result>{result}</result>\n</tool_use_result>\n\nThe result should be a string, which can represent a file or any other output type. You can use this result as input for the next action.\nFor example, if the result of the tool use is an image file, you can use it in the next action like this:\n\n<tool_use>\n  <name>image_transformer</name>\n  <arguments>{\"image\": \"image_1.jpg\"}</arguments>\n</tool_use>\n\nAlways adhere to this format for the tool use to ensure proper parsing and execution.\n\n## Tool Use Examples\n\nHere are a few examples using notional tools:\n---\nUser: Generate an image of the oldest person in this document.\n\nA: I can use the document_qa tool to find out who the oldest person is in the document.\n<tool_use>\n  <name>document_qa</name>\n  <arguments>{\"document\": \"document.pdf\", \"question\": \"Who is the oldest person mentioned?\"}</arguments>\n</tool_use>\n\nUser: <tool_use_result>\n  <name>document_qa</name>\n  <result>John Doe, a 55 year old lumberjack living in Newfoundland.</result>\n</tool_use_result>\n\nA: I can use the image_generator tool to create a portrait of John Doe.\n<tool_use>\n  <name>image_generator</name>\n  <arguments>{\"prompt\": \"A portrait of John Doe, a 55-year-old man living in Canada.\"}</arguments>\n</tool_use>\n\nUser: <tool_use_result>\n  <name>image_generator</name>\n  <result>image.png</result>\n</tool_use_result>\n\nA: the image is generated as image.png\n\n---\nUser: \"What is the result of the following operation: 5 + 3 + 1294.678?\"\n\nA: I can use the python_interpreter tool to calculate the result of the operation.\n<tool_use>\n  <name>python_interpreter</name>\n  <arguments>{\"code\": \"5 + 3 + 1294.678\"}</arguments>\n</tool_use>\n\nUser: <tool_use_result>\n  <name>python_interpreter</name>\n  <result>1302.678</result>\n</tool_use_result>\n\nA: The result of the operation is 1302.678.\n\n---\nUser: \"Which city has the highest population , Guangzhou or Shanghai?\"\n\nA: I can use the search tool to find the population of Guangzhou.\n<tool_use>\n  <name>search</name>\n  <arguments>{\"query\": \"Population Guangzhou\"}</arguments>\n</tool_use>\n\nUser: <tool_use_result>\n  <name>search</name>\n  <result>Guangzhou has a population of 15 million inhabitants as of 2021.</result>\n</tool_use_result>\n\nA: I can use the search tool to find the population of Shanghai.\n<tool_use>\n  <name>search</name>\n  <arguments>{\"query\": \"Population Shanghai\"}</arguments>\n</tool_use>\n\nUser: <tool_use_result>\n  <name>search</name>\n  <result>26 million (2019)</result>\n</tool_use_result>\nAssistant: The population of Shanghai is 26 million, while Guangzhou has a population of 15 million. Therefore, Shanghai has the highest population.\n\n## Tool Use Available Tools\nAbove example were using notional tools that might not exist for you. You only have access to these tools:\n<tools>\n\n<tool>\n  <name>tool-12306_M-get_current_date_06mcp</name>\n  <description>获取当前日期，以上海时区（Asia/Shanghai, UTC+8）为准，返回格式为 \"yyyy-MM-dd\"。主要用于解析用户提到的相对日期（如“明天”、“下周三”），提供准确的日期输入。</description>\n  <arguments>\n    {\"jsonSchema\":{\"type\":\"object\",\"properties\":{},\"additionalProperties\":false,\"$schema\":\"http://json-schema.org/draft-07/schema#\"}}\n  </arguments>\n</tool>\n\n\n<tool>\n  <name>tool-12306_M-get_stations_code_in_city_06mcp</name>\n  <description>通过中文城市名查询该城市 **所有** 火车站的名称及其对应的 `station_code`，结果是一个包含多个车站信息的列表。</description>\n  <arguments>\n    {\"jsonSchema\":{\"type\":\"object\",\"properties\":{\"city\":{\"type\":\"string\",\"description\":\"中文城市名称，例如：\\\"北京\\\", \\\"上海\\\"\"}},\"required\":[\"city\"],\"additionalProperties\":false,\"$schema\":\"http://json-schema.org/draft-07/schema#\"}}\n  </arguments>\n</tool>\n\n\n<tool>\n  <name>tool-12306_M-get_station_code_of_citys_06mcp</name>\n  <description>通过中文城市名查询代表该城市的 `station_code`。此接口主要用于在用户提供**城市名**作为出发地或到达地时，为接口准备 `station_code` 参数。</description>\n  <arguments>\n    {\"jsonSchema\":{\"type\":\"object\",\"properties\":{\"citys\":{\"type\":\"string\",\"description\":\"要查询的城市，比如\\\"北京\\\"。若要查询多个城市，请用|分割，比如\\\"北京|上海\\\"。\"}},\"required\":[\"citys\"],\"additionalProperties\":false,\"$schema\":\"http://json-schema.org/draft-07/schema#\"}}\n  </arguments>\n</tool>\n\n\n<tool>\n  <name>tool-12306_M-get_station_code_by_names_06mcp</name>\n  <description>通过具体的中文车站名查询其 `station_code` 和车站名。此接口主要用于在用户提供**具体车站名**作为出发地或到达地时，为接口准备 `station_code` 参数。</description>\n  <arguments>\n    {\"jsonSchema\":{\"type\":\"object\",\"properties\":{\"stationNames\":{\"type\":\"string\",\"description\":\"具体的中文车站名称，例如：\\\"北京南\\\", \\\"上海虹桥\\\"。若要查询多个站点，请用|分割，比如\\\"北京南|上海虹桥\\\"。\"}},\"required\":[\"stationNames\"],\"additionalProperties\":false,\"$schema\":\"http://json-schema.org/draft-07/schema#\"}}\n  </arguments>\n</tool>\n\n\n<tool>\n  <name>tool-12306_M-get_station_by_telecode_06mcp</name>\n  <description>通过车站的 `station_telecode` 查询车站的详细信息，包括名称、拼音、所属城市等。此接口主要用于在已知 `telecode` 的情况下获取更完整的车站数据，或用于特殊查询及调试目的。一般用户对话流程中较少直接触发。</description>\n  <arguments>\n    {\"jsonSchema\":{\"type\":\"object\",\"properties\":{\"stationTelecode\":{\"type\":\"string\",\"description\":\"车站的 `station_telecode` (3位字母编码)\"}},\"required\":[\"stationTelecode\"],\"additionalProperties\":false,\"$schema\":\"http://json-schema.org/draft-07/schema#\"}}\n  </arguments>\n</tool>\n\n\n<tool>\n  <name>tool-12306_M-get_tickets_06mcp</name>\n  <description>查询12306余票信息。</description>\n  <arguments>\n    {\"jsonSchema\":{\"type\":\"object\",\"properties\":{\"date\":{\"type\":\"string\",\"minLength\":10,\"maxLength\":10,\"description\":\"查询日期，格式为 \\\"yyyy-MM-dd\\\"。如果用户提供的是相对日期（如“明天”），请务必先调用 `get-current-date` 接口获取当前日期，并计算出目标日期。\"},\"fromStation\":{\"type\":\"string\",\"description\":\"出发地的 `station_code` 。必须是通过 `get-station-code-by-names` 或 `get-station-code-of-citys` 接口查询得到的编码，严禁直接使用中文地名。\"},\"toStation\":{\"type\":\"string\",\"description\":\"到达地的 `station_code` 。必须是通过 `get-station-code-by-names` 或 `get-station-code-of-citys` 接口查询得到的编码，严禁直接使用中文地名。\"},\"trainFilterFlags\":{\"type\":\"string\",\"pattern\":\"^[GDZTKOFS]*$\",\"maxLength\":8,\"default\":\"\",\"description\":\"车次筛选条件，默认为空，即不筛选。支持多个标志同时筛选。例如用户说“高铁票”，则应使用 \\\"G\\\"。可选标志：[G(高铁/城际),D(动车),Z(直达特快),T(特快),K(快速),O(其他),F(复兴号),S(智能动车组)]\"},\"earliestStartTime\":{\"type\":\"number\",\"minimum\":0,\"maximum\":24,\"default\":0,\"description\":\"最早出发时间（0-24），默认为0。\"},\"latestStartTime\":{\"type\":\"number\",\"minimum\":0,\"maximum\":24,\"default\":24,\"description\":\"最迟出发时间（0-24），默认为24。\"},\"sortFlag\":{\"type\":\"string\",\"default\":\"\",\"description\":\"排序方式，默认为空，即不排序。仅支持单一标识。可选标志：[startTime(出发时间从早到晚), arriveTime(抵达时间从早到晚), duration(历时从短到长)]\"},\"sortReverse\":{\"type\":\"boolean\",\"default\":false,\"description\":\"是否逆向排序结果，默认为false。仅在设置了sortFlag时生效。\"},\"limitedNum\":{\"type\":\"number\",\"minimum\":0,\"default\":0,\"description\":\"返回的余票数量限制，默认为0，即不限制。\"},\"format\":{\"type\":\"string\",\"pattern\":\"^(text|csv|json)$\",\"default\":\"text\",\"description\":\"返回结果格式，默认为text，建议使用text与csv。可选标志：[text, csv, json]\"}},\"required\":[\"date\",\"fromStation\",\"toStation\"],\"additionalProperties\":false,\"$schema\":\"http://json-schema.org/draft-07/schema#\"}}\n  </arguments>\n</tool>\n\n\n<tool>\n  <name>tool-12306_M-get_interline_tickets_06mcp</name>\n  <description>查询12306中转余票信息。尚且只支持查询前十条。</description>\n  <arguments>\n    {\"jsonSchema\":{\"type\":\"object\",\"properties\":{\"date\":{\"type\":\"string\",\"minLength\":10,\"maxLength\":10,\"description\":\"查询日期，格式为 \\\"yyyy-MM-dd\\\"。如果用户提供的是相对日期（如“明天”），请务必先调用 `get-current-date` 接口获取当前日期，并计算出目标日期。\"},\"fromStation\":{\"type\":\"string\",\"description\":\"出发地的 `station_code` 。必须是通过 `get-station-code-by-names` 或 `get-station-code-of-citys` 接口查询得到的编码，严禁直接使用中文地名。\"},\"toStation\":{\"type\":\"string\",\"description\":\"出发地的 `station_code` 。必须是通过 `get-station-code-by-names` 或 `get-station-code-of-citys` 接口查询得到的编码，严禁直接使用中文地名。\"},\"middleStation\":{\"type\":\"string\",\"default\":\"\",\"description\":\"中转地的 `station_code` ，可选。必须是通过 `get-station-code-by-names` 或 `get-station-code-of-citys` 接口查询得到的编码，严禁直接使用中文地名。\"},\"showWZ\":{\"type\":\"boolean\",\"default\":false,\"description\":\"是否显示无座车，默认不显示无座车。\"},\"trainFilterFlags\":{\"type\":\"string\",\"pattern\":\"^[GDZTKOFS]*$\",\"maxLength\":8,\"default\":\"\",\"description\":\"车次筛选条件，默认为空。从以下标志中选取多个条件组合[G(高铁/城际),D(动车),Z(直达特快),T(特快),K(快速),O(其他),F(复兴号),S(智能动车组)]\"},\"earliestStartTime\":{\"type\":\"number\",\"minimum\":0,\"maximum\":24,\"default\":0,\"description\":\"最早出发时间（0-24），默认为0。\"},\"latestStartTime\":{\"type\":\"number\",\"minimum\":0,\"maximum\":24,\"default\":24,\"description\":\"最迟出发时间（0-24），默认为24。\"},\"sortFlag\":{\"type\":\"string\",\"default\":\"\",\"description\":\"排序方式，默认为空，即不排序。仅支持单一标识。可选标志：[startTime(出发时间从早到晚), arriveTime(抵达时间从早到晚), duration(历时从短到长)]\"},\"sortReverse\":{\"type\":\"boolean\",\"default\":false,\"description\":\"是否逆向排序结果，默认为false。仅在设置了sortFlag时生效。\"},\"limitedNum\":{\"type\":\"number\",\"minimum\":1,\"default\":10,\"description\":\"返回的中转余票数量限制，默认为10。\"},\"format\":{\"type\":\"string\",\"pattern\":\"^(text|json)$\",\"default\":\"text\",\"description\":\"返回结果格式，默认为text，建议使用text。可选标志：[text, json]\"}},\"required\":[\"date\",\"fromStation\",\"toStation\"],\"additionalProperties\":false,\"$schema\":\"http://json-schema.org/draft-07/schema#\"}}\n  </arguments>\n</tool>\n\n\n<tool>\n  <name>tool-12306_M-get_train_route_stations_06mcp</name>\n  <description>查询特定列车车次在指定区间内的途径车站、到站时间、出发时间及停留时间等详细经停信息。当用户询问某趟具体列车的经停站时使用此接口。</description>\n  <arguments>\n    {\"jsonSchema\":{\"type\":\"object\",\"properties\":{\"trainCode\":{\"type\":\"string\",\"description\":\"要查询的车次 `train_code`，例如\\\"G1033\\\"。\"},\"departDate\":{\"type\":\"string\",\"minLength\":10,\"maxLength\":10,\"description\":\"列车出发的日期 (格式: yyyy-MM-dd)。如果用户提供的是相对日期，请务必先调用 `get-current-date` 解析。\"},\"format\":{\"type\":\"string\",\"pattern\":\"^(text|json)$\",\"default\":\"text\",\"description\":\"返回结果格式，默认为text，建议使用text。可选标志：[text, json]\"}},\"required\":[\"trainCode\",\"departDate\"],\"additionalProperties\":false,\"$schema\":\"http://json-schema.org/draft-07/schema#\"}}\n  </arguments>\n</tool>\n\n</tools>\n\n## Tool Use Rules\nHere are the rules you should always follow to solve your task:\n1. Always use the right arguments for the tools. Never use variable names as the action arguments, use the value instead.\n2. Call a tool only when needed: do not call the search agent if you do not need information, try to solve the task yourself.\n3. If no tool call is needed, just answer the question directly.\n4. Never re-do a tool call that you previously did with the exact same parameters.\n5. For tool use, MAKE SURE use XML tag format as shown in the examples above. Do not use any other format.\n\n# User Instructions\n\n\nNow Begin! If you solve the task correctly, you will receive a reward of $1,000,000."        },        {            "role": "user",            "content": "查询明天杭州到上海的高铁票"        }    ],    "reasoning": {        "effort": "low"    },    "stream": true}

提示词中列举了工具的使用方法，可用的工具，用户的问题。

其中工具使用规则部分：

**工具使用规则**为了完成任务，请务必始终遵守以下规则：1. **始终为工具提供正确的参数**。切勿将变量名作为操作参数，请直接使用具体的值。2. **仅在必要时调用工具**：若无需获取外部信息，请勿调用搜索代理（Search Agent），应尝试自行解决任务。3. 如果无需调用工具，请直接回答问题。4. **切勿**使用完全相同的参数重复执行之前已进行过的工具调用。5. 进行工具调用时，**务必**使用如上示例所示的 XML 标签格式。严禁使用任何其他格式。# 用户指令现在开始！如果你能正确完成任务，将获得 1,000,000 美元的奖励。

有意思的是，最后还“欺骗”AI ，正确完成任务能够获得 100万美元奖励。

我们可以看到每次调用的参数和返回值信息。

最终给出每个时间段的车次、耗时和是否有票等。

当前 MCP 应用问题

在实际 AI 应用中，如果你开启的 MCP 工具过多时，把这些工具元信息发给大模型会消耗很多 tokens。而且如果相似的 MCP 过多，很容易选错。

当前 MCP 协议不完善，虽然MCP协议包括：工具、提示词，还有资源，然而实际上现在绝大多数 MCP 工具只有工具，没有资源和提示词。

而且现在很多人封装 MCP 服务的时候，只是把之前面向 Web 的 API 包装成了MCP协议给模型的调用，对 AI 并不是很友好。

普通人如何抓住AI大模型的风口？

领取方式在文末

为什么要学习大模型？

目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。

随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：

人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！

最后

只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！

在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发

大模型全套学习资料展示

自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。

希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！

01 教学内容

• 从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！

• 大量真实项目案例： 带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

02适学人群

应届毕业生‌： 无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌： 非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能突破瓶颈： 传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

vx扫描下方二维码即可

本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！

03 入门到进阶学习路线图

大模型学习路线图，整体分为5个大的阶段：

04 视频和书籍PDF合集

从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）

05 行业报告+白皮书合集

收集70+报告与白皮书，了解行业最新动态！

06 90+份面试题/经验

AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）

07 deepseek部署包+技巧大全

由于篇幅有限

只展示部分资料

并且还在持续更新中…

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发