<?xml version="1.0" encoding="UTF-8"?><rss version="2.0" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>晨光里的AI · by 晨旭</title><description>晨光里的AI · by 晨旭。一个关于 AI、Agent、产品与个人成长的长期数字花园，记录真实的项目、思考与变化。</description><link>https://chenxu.xin</link><language>zh-CN</language><item><title>动手落地AI：我的第一个四行代码构建RAG应用</title><link>https://chenxu.xin/writing/first-rag-in-four-lines</link><guid isPermaLink="true">https://chenxu.xin/writing/first-rag-in-four-lines</guid><description>用 LlamaIndex 四行代码跑通第一个 RAG 应用，并逐行拆解这四行背后的加载、切片向量化、检索策略与生成合成。</description><pubDate>Sat, 22 Nov 2025 00:00:00 GMT</pubDate><content:encoded>过去我对 RAG 的理解一直停留在架构图上，知道要有数据处理、向量数据库、检索生成，但真正参与项目时总有隔靴搔痒的感觉。 这周我跟着教程亲手写出了第一个 Naïve RAG 应用，发现在 LlamaIndex 下它只有四行代码。 这篇文章逐行拆解这四行分别对应 RAG 的哪个核心组件、每行背后藏着哪些可调参数， 以及从能跑的 Demo 到能商用的产品之间，还差哪些工作。
</content:encoded><category>rag</category><category>llamaindex</category><category>hands-on</category><author>晨旭</author></item><item><title>产品经理视角学AI——CV领域（一）</title><link>https://chenxu.xin/writing/pm-learning-cv-1</link><guid isPermaLink="true">https://chenxu.xin/writing/pm-learning-cv-1</guid><description>为非技术背景的产品经理设计的 CV 从 0 到 1 学习路径：图像数字化、卷积与特征提取，四大核心任务的取舍，以及从 AlexNet 到 ViT 的五个里程碑。</description><pubDate>Thu, 25 Sep 2025 00:00:00 GMT</pubDate><content:encoded>这是「AI技术理解」系列的第一篇，也是 CV 六章学习路径中的基础部分。 全文围绕产品经理的核心四问展开——业务问题、输入输出、性能边界、落地成本， 依次讲清图像数字化与卷积等基础概念，分类 / 检测 / 分割 / 生成四大任务各自的能力上限与标注成本， 以及从 AlexNet 到 Vision Transformer 五个改变行业的技术里程碑。每一节都附了学习资源与该掌握到什么程度。
</content:encoded><category>cv</category><category>learning-path</category><category>ai-pm</category><author>晨旭</author></item><item><title>入门AI PM，我在学什么</title><link>https://chenxu.xin/writing/ai-pm-what-im-learning</link><guid isPermaLink="true">https://chenxu.xin/writing/ai-pm-what-im-learning</guid><description>走进 AI 的第一份学习清单：混进 AI 圈、带着问题读论文、看财报理解巨头布局、黑客级竞品调研、评测体系与产品思维。</description><pubDate>Fri, 25 Jul 2025 00:00:00 GMT</pubDate><content:encoded>这是「入门系列」的第一篇。我把从产品经理走向 AI 产品经理的学习路径拆成六块： 日常沉浸在 AI 圈、批判性地读论文、通过财报与开发者大会理解硅谷巨头的 AI 布局、 用黑客的方式做竞品调研、把评测当作第一技能、以及在技术边界与真实场景之间寻找 sweet point。 最后回答我如何理解「AI 产品经理」这个身份，以及为什么开始公开写作。
</content:encoded><category>ai-pm</category><category>learning-method</category><category>evaluation</category><author>晨旭</author></item></channel></rss>