ChatGPT 的横空出世与 DeepSeek 的迅速崛起，将人工智能再次推至科技浪潮之巅。科技公司、企业与创业者纷纷入局，不仅仅是想要抓住技术的红利，也有出于被时代淘汰的担忧。全民 AI 时代随之到来，大模型成为热门话题。

然而，当我们在谈论 AI 时，可能互相谈论的不是同一个东西。在互联网碎片化信息和媒体过度营销的影响下，不少人对 AI 产生认知偏差，认为：AI 就是 ChatGPT、AI 就是 DeepSeek，AI 应用就是提示词工程，AI 是新的科技革命，AI 现在无所不能，只要接入 AI 马上就可以替代员工从而降本增效……但事实上，ChatGPT 和 DeepSeek 只是大语言模型技术的两个应用产品，AI 的领域也远不止文本处理、推理和生成，提示词只是目前与文本类 AI 最有效的交流方式，AI 的研究在上个世纪就开始了，大模型很强大但也有它的缺陷，完全替代人为时尚早。过度营销也是一种营销策略，它可以制造认知泡沫，培养行业“韭菜”，然后在你懵懵懂懂但又想分一杯羹的时候收割一把。

我在探索 AI 过程中强烈意识到，要想应用好大模型技术，必须先从底层全面了解它是什么，怎么来的，底层依赖哪些技术，能做什么，不能做什么，当前主流大模型产品在 AI 应用领域处于什么位置。否则只会在层出不穷的大模型产品中迷失方向，沦为行业“韭菜”。于是花了一些时间翻查资料，整理后有了本文。本文可以帮助你了解到底什么是大语言模型，什么是大模型，什么是 AI，它们之间到底是什么关系，人工智能到底在研究什么，AI 背后依赖哪些技术，了解这些有助于你厘清概念、消除误解、和警惕幻觉，进一步戳破认知泡沫、有的放矢地去探索大模型应用的边界、更好地应用好大模型工具去创造价值。

PS: 如有错漏之处请留言告诉我 :)

在计算机语言中，正则表达模式匹配是非常高效的字符串处理方式。我们在进行字符串处理的时候，比如表单校验、url参数获取、文本预编译处理，多端跨端转译等等，都少不了跟正则表达式打交道。但由于正则表达的语法规则比较抽象，如果平常不经常接触，一旦要用，就得好一番查找资料。但是网上的资料很多都太零散，为方便以后高效查看，略系统地整理如下。

上篇文章说到，如果想从其他分支取某（几）个提交来合并，可以使用 cherry-pick 命令，那么如果这个分支想剔除这几个被 cherry-pick 出去的提交呢？这就要用到 git 中另一个强大的命令：rebase。

如果你在使用 git 进行多人协作的代码管理，合并代码（ git merge ）的操作你一定不陌生。 git merge 会将指定分支的所有提交历史合并到当前所在的分支，它的合并单位是“分支”。但有的时候，我只想取某个分支的某几个提交的内容来合并。

遇到这种操作需求，我们可以使用 cherry-pick 命令，它是以“提交”为单位的合并，可以帮助你安全快速地达到目的。

—— AMD

—— CommonJs

前言

前端模块化已经不是什么新鲜概念了，这年头提到前端开发，模块化、组件化开发谁不是张口就来，但是你真的彻底了解前端模块化吗？我想有一大部分人可能未必。如果你就是其中之一，那么我这篇文章可能对你有帮助。

要取消已经track过的文件的修改，可以使用git checkout xxx，但是如果要取消 untracked 文件的修改，checkout 就不行了。除了手动删除修改，我们还可以使用 git 提供的 git clean 命令来快速达到目的。

最近的工作有用到SystemJS，在这里对SystemJS的理解做个总结和记录吧，备忘。

我换工作了，新的工作内容是围绕 SaaS 业务展开。作为前端，全面理解所服务的行业业务，将有助于日常工作的展开。SaaS 是一个很有商业价值的领域。但在此之前我对 SaaS 知之甚少。SaaS 有哪些形态，它的分类，适用场景，价值的衡量标准是什么？开发商希望从 SaaS 中获得什么，商家希望从 SaaS 中获得什么，消费者又会有什么受益？我想了解关于 SaaS 的一切。对新领域的好奇心和求知欲促使我将平常的碎片时间几乎都用来查阅 SaaS 相关的资料和书籍，加上自己的理解和思考，我对 SaaS 总算有了比较全面的了解。