江湖路远，代码为剑：2025，我与 AI 的问道之旅

🌞欢迎来到人工智能的世界 

🌈博客主页：卿云阁

💌欢迎关注🎉点赞👍收藏⭐️留言📝

🌟本文由卿云阁原创！

📆首发时间：🌹2026年1月1日🌹

✉️希望可以和大家一起完成进阶之路！

目录

📜 章节一：【开篇·自报家门】

📜 章节二：【卷一·修行之路（个人成长）】

📜 章节三：【卷二·阁中史册（年度创作回顾）】

📜 章节四：【卷三·阴阳之道（生活与博客平衡）】

📜 章节五：【卷五·剑指苍穹（未来展望）】

📜 章节六：【尾声·拱手谢礼】

📜 章节一：【开篇·自报家门】

 ▲大家好呀，这是我第一参加博客之星的活动，先做一个简单的介绍吧！

                     🧙‍♂️ 角色: AI 炼丹师

                     🏷️ 标签: #深度学习  #机器学习  #AI for Science

                     👻 状态: 正在冲击“自在地境”（目前是金刚凡境）

                     📡 传送门: 专注于将枯燥的代码翻译成“人话”。

🎖️ 【江湖排位/荣誉】

🏆 荣誉: 2025 博客之星年度候选 | 创作影响力 Top 300，ZEEKLOG 平台万粉博主、人工智能领域优

质创作者、极星会计算机领域全网影响力认证博主。

 🔥 战绩: 累计发文333篇

📜 章节二：【卷一·修行之路（个人成长）】

💡 学业篇

       在 ZEEKLOG 分享了这么多技术干货，经常有粉丝问我：“博主是不是天生的大佬？”其实恰恰相反。但在回答这个问题前，我想先交出

一份我在大学四年的“运行日志”：在整个大学4年期间，前4学期GPA:3.64    加权平均分：88.87  综合测评专业排名：班级第一。共43

门课取得满绩点，占课程总数的55%。荣获“国家励志奖学金” 连续4年获得“三好学生”“校级奖学金” 。荣获“优秀毕业生”荣获“创新创业

奖学金”。

大一篇

     大一上学期，我还是一名经济与管理学院的学生。出于对技术的向往，我在大一下做了一个大胆的决定——转专业到计算机科学与

技术学院。转专业的过程堪称“地狱难度”。当时的我对编程的理解是 NULL，甚至连电脑基本操作都不利索。更要命的是，因为转专

业，我完美错过了大一上的《C语言》基础课，直接开始学习《C++》和《数据结构》等课程。那年期末，面对晦涩的指针链表，我启

用了一个现在看来最“笨”、但在当时最有效的算法：死记硬背。我把书上所有的代码，一行一行地刻在脑子里。当时我就在想：“如果

有一个平台，能有人把这些天书一样的代码讲得通俗易懂该多好？”（这也成了我后来坚持在 ZEEKLOG 写“保姆级教程”的初衷——因为我

淋过雨，所以想给后来人撑把伞）。事实证明，笨鸟先飞是有用的。那个学期，我拿到了班级第三。除了硬啃代码，大一也是我身体机

能的“最佳版本”：早睡早起，坚持运动。那种高度自律的生活节奏，让我能时刻保持最佳状态去 Update 自己的知识库。 之所以在

ZEEKLOG 写下这段经历，不是为了凡尔赛，而是想告诉每一位正在入门的朋友：没有谁天生就是大佬，我们都是从死记硬背、从无数个

Error中走出来的。 如果你现在也觉得难，不妨试试“笨方法”，坚持下去，时间会给你答案。

大二篇

     如果说大一是在“预热”，那大二简直就是我大学生涯的“高并发”峰值时刻。因为转专业，我不仅要跑通本学期的主线程任务，还要开

启“多线程”模式，去补修大一上学期欠下的所有技术债（比如C 语言）。每天满课的状态，简直是在对我的大脑进行 24 小时极限压力

测试。但是遇到了一个超级好的C语言老师，洪老师。他也是我强化学习的老师，他是我觉得讲课最好的老师，没有之一。他不仅教我

C 语言，更是我后来强化学习（Reinforcement Learning）的引路人。但洪老师是那种能把底层逻辑讲得透彻的“神级导师”。正是因为

遇到了他，我才在那个最累的学期，依然保持着对代码的热爱。由于有些课程会冲突，所以在这个学期的学习，我基本上都是在 b站上

看课程，然后在ZEEKLOG 找一些针对一些难理解知识点的博客比如C语言重的指针。在那年学期中，我也开始在ZEEKLOG上分享我的学习历

程。

     你以为理工男只会敲代码？No No No。 和朋友在学校操场搞了一次微型创业（Startup）——卖花。主要是为了体验一下这个好玩

的事情。（因为很多情侣都会选择在操场散步）。

大三篇

       这个阶段，我正式拜入刘老师门下，开启了我的科研“炼丹”之路。当时我们的“三剑客”阵容现在看来依然豪华：我，葛同学（现已

是硬核的嵌入式开发工程师），以及沈同学（现苏州大学研究生）。我们一头扎进了计算机视觉（CV）与深度相机的研究中。那是一

段“痛并快乐着”的时光。快乐在于写代码、攻克算法的成就感；痛苦在于——贫穷限制了我的算力。当时实验室没有高性能GPU，我们

只能在云平台上按小时租赁 GPU。对于学生党来说，每一分钟流逝的不仅是时间，更是真金白银！为了省钱，我经常要熬到深夜，等

模型一跑完立马停止计费。那一阵子，我几乎成了实验室的“守夜人”，直接睡在工位旁，伴着机箱的轰鸣声入眠。但也正是这些熬夜

“守”出来的经验，让我积累了大量关于Linux 环境配置、云端算力调度、模型轻量化的实战技巧。后来我把这些踩坑记录整理发到

ZEEKLOG 上，没想到帮助了很多同样买不起 3090 的“无卡党”。回头看，那些睡在实验室地板上的夜晚，不仅跑通了代码，也跑通了我通

往技术博主的进阶之路。

        大三这一年，我的核心关键词从 Dev（开发者）升级为了 Leader。感谢石老师的信任，我接过了接力棒，正式担任学院 e智团队

队长。从秋招纳新的“抢人大战”，到手把手教萌新配置环境、Debug，再到带领大家攻坚硬核的科研项目。在这个过程中，我仿佛在运

营一个线下的 ZEEKLOG 社区——不仅要自己强，还要把经验毫无保留地 Open Source（开源）给学弟学妹。现在回想起来，那一年我虽

然忙成了陀螺，但真的超级有成就感（此处应有哈哈大笑 😄）。我们团队简直成了学院的“大神孵化器”和“卷王收割机”。毫不夸张地

说，当时各班级综测排名的 Top 3，基本都被我们“e智”团队的成员承包了！看着学弟学妹们从小白变成竞赛大佬，拿奖拿到手软，那

种满足感，比自己拿了满绩点还要爽。

         哈哈，给大家比个心吧，我再接着往下讲。

        大三暑期，我迎来了科研路上的第一个 High Point：我的第一篇一作论文被 CCF NCCA 录用！带着这份激动，我前往苏州参加学

术会议，途经合肥时还特意去“朝圣”了中科大（USTC）。如果说在 ZEEKLOG 写博客是“云端交流”，那么这次会议就是一场盛大的“线下开

源社区面基”。在苏州，我深刻体会到了什么叫“比你优秀的人比你还努力”。这里的每一次茶歇交流，都像是在阅读一篇高质量的技术博

文：识了做 3D 点云检测的王同学，技术深不可测。他现在已经去了西湖大学深造，目标是香港理工的博士（祝大佬 Dream Offer 到

手！）。东北林业大学的张同学让我大开眼界，他们组的医学图像检测已经落地成了智能眼镜产品，导师甚至开了公司进行成果转化。

亲自体验 Demo 的那一刻，我看到了代码改变世界的实体模样。还有玩智能无人车的太原理工王同学，以及专攻水下机器人系统实现

的哈工大林同学。我们从系统架构聊到学校趣事。会议的讲座环节简直是“神仙打架”。我听了复旦大学教授关于智慧医疗的分享，笔记

记了满满几页。最让我激动的是见到了中国科学院院士陈润生！⚠️ Exception Caught（遗憾捕获）：作为果壳学子，这学期没抢到

陈院士的课，这次在会场也没来得及要到签名，简直痛失“镇宅之宝”！下学期选课一定要手速爆发，必须补上这个签名！更离谱的 Bug

是：会议结束后我才发现，坐在我旁边的低调小哥，竟然是ACM 亚洲区域赛金牌第五名（来自华侨大学）。博主内心 OS：曾经有一

份大神的签名机会摆在我面前，我没有珍惜……

大四篇

      大四的主旋律，似乎从“疯狂输出”变成了“静默沉淀”。为了考研，我暂时减少了博客更新频率，进入了全封闭的“系统内核升级”阶

段。但我想说的是：在 ZEEKLOG 写过的每一行代码、记录的每一个项目，都没有白费。在研究生复试环节，因为本科期间做了大量扎实

的项目（也就是大家在我博客里看到的那些），面对老师的提问，我回答 得很好。那些熬夜跑通的 Demo，成了我面试时最硬核的通

行证。整个复试流程异常顺利，仿佛是代码一次性 Build Success 般丝滑。

💡 荣誉篇

          回顾本科生涯，我仿佛陷入了一种代码与论文的无限循环（Infinite Loop）。最终，我刷出了这份或许有些“偏科”但足够硬核的副

本通关记录：论文发表 (6篇)：研究方向横跨 计算机视觉(CV)、智慧农业、医药 AI、嵌入式系统 等多个领域。为了这些产出，我付出

的代价是——我的大学地图几乎只有“宿舍-实验室-食堂”三点一线。印象中，这四年我忙疯了。我从未去周边旅过游，甚至连校门都很

少出。当同学们在朋友圈晒风景、晒聚会时，我大概率正盯着屏幕上的 Loss 曲线发呆，或者在 ZEEKLOG 上搜索报错代码。说实话，这种

高强度的“闭关模式”给我留了一些“后遗症”。到现在为止，我发现自己好像都不咋会玩。在现实生活中，我似乎缺乏某种“社交算法”，很

难像那个在操场卖花的我一样去制造浪漫，也很难给身边的人带来那种轻松的快乐。我常常觉得自己像一段写得很严谨但缺乏注释的代

码——有用，但枯燥。但好在，我还有 ZEEKLOG。在这里，在代码的世界里，我不必强行幽默，也不必担心冷场。我可以用技术干货与

你们交流，用开源精神传递价值。也许在现实中我是一个“无趣”的朋友，但我希望在 ZEEKLOG，我能做一个“有用”的博主。

💡 竞赛篇

       但作为一个追求完美的 ZEEKLOG 博主，我也要诚实地 Log 出我的遗憾：我没有拿到过国家级的奖项。不过，这些奖项的含金量，依

然是我用无数个熬夜和代码换来的。在大一，我参加“三创赛”和“节能减排大赛”，拼尽全力却止步于校级奖项。当时什么都不懂，还要

让石老师费心指导。最扎心的是，我的队友刘同学已经是“奖项收割机”了。看着我和他之间巨大的 Gap（差距），我曾深深地怀疑自

己，甚至偷偷哭过一次。发现我属于典型的“成长型选手”。一开始面对从未接触过的领域，我确实会手忙脚乱，甚至表现得很“菜”。但

是，只要给我时间去 Train（训练），一旦我积累了经验数据，我就能迅速收敛，在这个领域做到 Top 级别。写这段话送给所有在竞赛

路上感到迷茫、甚至因为不如别人而想哭的同学：不要因为起步慢而焦虑。

💡 科研篇

       在 ZEEKLOG 混久了，大家都知道一句名言："Talk is cheap, show me the code (project)."如果说论文是理论内功，那项目就是实

战招式。本科四年，我一共参与了 5项 硬核科研项目，亲历了从“小打小闹”到“国家级立项”的完整版本迭代。很多学弟学妹问我：“本科

生怎么找项目？”我的答案是：不要怕还要从校级项目开始，也不要怕去打扰导师求机会。 所有的国家级项目，都是从校级一点点“跑”

出来的；所有的科研直觉，都是在给导师打杂中练出来的。

💡 认识篇

    相信很多混迹 ZEEKLOG 的研究生朋友都有过这样的自我怀疑：

“天天跑实验、调参数，难道就是为了水一篇论文毕业吗？我做的这些东西到底有什么实际价值？”

        何为科学？何为技术？这个问题我也纠结过很久。直到后来我明白，科学是“发现”，技术是“实现”。 让我用一个最接地气的例子

——牛奶，来给大家理一理。假设我们在实验室里做实验：阶段一（Science）： 我通过大量数据发现，用近红外光照射牛奶，蛋白质

会吸收特定波长的光。不同的蛋白质含量，对应着不同的剩余光强，且两者之间存在一个线性关系（LinearRelationship）。👉 这就

是科学。我们在探索未知的自然规律，发现现象，解释机理。阶段二（Technology）： 现在有一家科技公司，基于我发现的这个规

律，设计了一个电路（Hardware），训练了一套算法模型（Algorithm），并将它们部署到一个嵌入式设备上。最终，这台仪器可以直

接显示牛奶的蛋白质含量。👉 这就是技术。我们利用已知的规律，去解决实际问题，制造工具。很多人做科研时觉得痛苦，是因为觉

得自己在做“无用功”。其实，你们做的是科学，只是暂时还没有人把这个科学转化成应用而已。 没有前半段的“发现现象”，后半段的“技

术落地”就是空中楼阁。在 ZEEKLOG 这个社区里，我们既能看到硬核的论文解读（科学层），也能看到实战的代码部署（技术层）。我认

为最理想的科研路径是：始于科学，终于技术。前面做一个敏锐的观察者，发现一种现象；后面做一个硬核的工程师，利用这种现象创

造一个技术。

📜 章节三：【卷二·阁中史册（年度创作回顾）】

🚀成长的突破

🧠机器学习的理解   

      我是AI专业，包括现在做的也是AI相关的工作，下面我想谈谈我对AI的理解，目前我基本上是学完了机器学习和深度学习。机器学

习主要包括监督学习和无监督学习，有监督学习就是有标签的数据，无监督学习就是没有标签数据。监督学习包括分类任务，和回归任

务。无监督学习包括聚类任务和降维任务。

我是怎么在实际工作中用它们的？比如“分类”：

       想象一下，我给模型喂一堆数据——pH值、COD、总氮等等，然后问它：“这水能喝吗？”或者丢给它一张照片：“这是几类水？”这

就是典型的分类任务，非黑即白，或者多选一。比如“回归”：在污水厂，我根据现在的进水情况和调节参数，预测出水达不达标；或者

像我之前做的实验，用光的强度去反推牛奶里的蛋白质含量。这类预测连续数值的任务，就是回归。无监督学习：主要包括聚类

（Clustering）和降维（DimensionalityReduction）。其中降维（如 PCA）常用于简化模型的输入特征，去除冗余信息，让模型跑

得更快更稳。透过算法看本质，我认为机器学习在工程应用中，往往扮演着“软测量”的角色。它的核心价值在于：建立“容易测量的指

标”与“难以直接测量的指标”之间的对应关系。 我们利用特征（Feature）去逼近真相，无论是为了预测未来，还是为了分类现状。

（本质上是根据特征，进行预测或者分类）。

为什么我们依然需要传统机器学习？

        虽然深度学习很火，但在实际落地（Deployment）时，传统机器学习依然是王者。相比于深度神经网络的“黑盒”和庞大算力需

求，机器学习模型的参数量少、计算资源消耗低，非常适合部署在嵌入式硬件或边缘设备上，实现高效、实时的现场检测。

🧠深度学习的理解

举一个卷积神经网络用于图像识别的例子。

      我们的大脑其实是在不断地提取特征：黄色的、方块形状、身上有洞、穿着方裤子……当这几个特征凑在一起，我们的大脑就反应

过来了：“哦！这是海绵宝宝。”AI 的原理其实一模一样。 我们把很多海绵宝宝的照片输入给 AI，告诉它“这就是海绵宝宝”。AI 就会疯

狂地在这些照片里找共同点（提取特征）。通过这种训练，它不断调整自己大脑里的参数。训练好了，它也能一眼认出：“这也是海绵

宝宝！”所以AI的本质就是提取特征，换句话说，AI 的本质是“生成”和“模仿”，而不是从无到有的“创造”。

       深度学习的本质，确实是一个不断提取特征（Feature Extraction）的过程。我们可以把它想象成一个漏斗：前端（特征提取）：

神经网络层层剥茧，将原始数据（图片、声音）中的关键信息提取出来。中端（Flatten & Projection）： 最后将提取到的多维特征“拍

扁”，展开成一个特征长条（Feature Vector）。后端（高维变换与降维）： 这个特征长条随后被送入全连接层。通常，网络会先将其

映射到高维空间（为了让数据线性可分，把纠缠在一起的特征分开），最后再降维映射到低维空间（比如分类任务的类别数），输出最

终结果。

刚入门深度学习时，我们很容易陷入一种“按部就班”的误区：

“做视觉（CV）我就只学卷积神经网络（CNN）。”

“做时间序列预测我就死磕循环神经网络（RNN/LSTM）。”

“做自然语言处理（NLP）我就只看 Transformer。”

“想发论文？我就拿 YOLO 改个模块水一篇。”

       这种想法虽然能解决问题，但很容易遇到瓶颈。现在，我们需要站在更高的维度去理解这一切。神经网络不应该被名字框住，它本

质上就是一个处理张量变换的机器。

💡 核心结论：深度学习最重要的就是把特征工程

     数据表示（Data Representation）——即如何把你手头的实验数据（无论是水质指标、光谱数据还是图片数据），优雅地翻译成

计算机能理解的张量表示。

💡 深度思考：从数据到智慧的三个阶梯

🤔 思考 1：万物皆可“张量” (Data Representation)

    我们在实验室里拿到的数据五花八门，有图片、有波形、有表格。神经网络不挑食，但它只吃一种格式——张量 (Tensor)。我们的第

一步工作，就是把现实世界“翻译”成张量。

🖼️ 图片数据的张量表示

     一张拍摄活性污泥的显微镜照片（RGB彩色），大小是 224 *224。在计算机眼里，它就是一个(3, 224, 224) 的立方体数据块。

📈 光谱数据的张量表示

     测量的近红外光谱（NIR），横坐标是波长，纵坐标是吸光度。如果扫了 1000 个波段，它就是一个长度为 1000 的长条向量。

🧪 分子/化学结构的张量表示

     水分子 (H_2O)。方法A（图神经网络 GNN）： 把它看作三个节点（原子）和两条边（化学键），用邻接矩阵表示连接关系，用特

征矩阵表示原子属性。方法B（序列）： 用 SMILES 编码（如 O代表水），转化成类似文字的 One-hot 编码。

📝 单词/文字的张量表示

     比如“污水”这个词。计算机不认识字，但我们可以查字典（Embedding层），把它变成一个长度为512 的向量。在这个向量空间里，

“污水”和“废水”的距离很近，和“牛奶”的距离很远。

🤝 思考 2：多模型协同 (Hybrid Models) —— 各取所长

深度学习 (DL) 是顶级的“眼睛”，机器学习 (ML) 是顶级的“逻辑脑”。

为什么这么做？

        深度学习（如 CNN）极其擅长特征提取，能从乱糟糟的图片里找出规律；而传统的机器学习（如XGBoost、SVM、随机森林）在

数据量没那么大时，分类和回归的效果往往更稳、解释性更强。

🌰举个栗子， 预测污水处理厂的出水 COD。

    第一步（DL）： 用一个 CNN 处理进水口的视频监控画面，它不直接输出结果，而是提取出一个描述“水面波动和颜色”的特征向量

（比如 128 维）。第二步（ML）： 把这个特征向量，连同传感器测到的 pH 值、温度，一起喂给 XGBoost 模型。这样 XGBoost 综合

了视觉特征和数值特征，给出了一个精准的 COD 预测值。

🔗 思考 3：多模态融合 (Multimodal Learning) —— 五感全开

      单一的数据源就像“盲人摸象”，多模态则是“眼观六路，耳听八方”。

什么是多模态？

    就是把不同性质的数据（图片+文字，声音+图像，传感器+视频）结合起来一起训练。

🌰举个栗子：🌊蓝藻水华（Algal Blooms）预警系统

    预测某个湖泊或水库未来 24 小时内是否会爆发蓝藻水华。

模态 A（视觉 - 宏观）：无人机拍摄的水面航拍图或卫星遥感图。使用 CNN 提取水体表面的颜色特征（是不是变绿了？）和纹理特征

（有没有漂浮物的聚集纹理？）。

模态 B（时序 - 微观）：水下传感器监测的 水温 (T)、总磷 (TP)、总氮 (TN) 的时间序列数据。使用 LSTM 或 GRU 提取水质参数的变

化趋势（比如温度突然升高，营养盐富集）。

模态 C（文本 - 外部环境）：气象局发布的天气预报文本（例如：“未来三天持续高温，无风”）。提取特征： 使用 Transformer/BERT

处理文本，提取气象条件（高温、静风是水华爆发的催化剂）。

💥 融合效果：

     如果只看传感器，总磷高不一定爆发水华（可能因为阴天光照不足）；如果只看照片，水变绿可能只是树的倒影。多模态融合后：

模型综合了“营养够了（传感器）”+“天气给力（天气预报）”+“苗头已现（图像）”，从而给出极高准确率的红色预警。

🧠AI 算法工程师的五重境界

我觉得AI可以分成这4种境界。

⚔️武夫：学会了 Python 和 PyTorch 。

🧱金刚凡境（工程）：能做完整的工程项目。

🌪️自在地境（算法）：能为特定问题定制算法 。

👑逍遥天境（领域）：在某个细分领域做到极致/SOTA 。

🧚‍♂️神游玄境（开创）：开创全新的领域或流派 。

🚀ZEEKLOG年度数据全景

博客之星的分数拆解

今年是我第一次参加博客之星的活动，下面这个是我的初始得分，排名还是非常靠后的。

💡 数据显示：年度发文数量完全达到了评审的最高标准，博主身份符合评审的最高要求，内容质量上存在部分文章深度不足，上榜次

数说明优质内容的 “爆款率” 还有提升空间，整体互动说明内容传播度、用户参与度或实用价值的转化有待加强。

          总结：内容质量深度、优质内容爆款率及内容互动转化效果有很大的提升空间。

ZEEKLOG年度回忆

💡 2025 年产出 120 篇原创文章，文章累计阅读超 11 万次、获赞 2276 次，内容 / 代码被复制2823 次，上榜 27 次，创作高峰集中在

早 8-10 点。

📜 章节四：【卷三·阴阳之道（生活与博客平衡）】

核心奥义：拒绝精神内耗，该卷的时候卷，该躺的时候躺。

⏳ 生活和博客的平衡

     博客就是用来记记成长、积累知识的，而非成为自我消耗的。有灵感和感悟就记录一下，科研很忙或者是其它重要的事情要做的时

候，也可以暂时不更新的。博客的内容都从平时的学习过程和所做过的项目中里来，不能专门为了写博客硬凑内容，平时踩的坑、修好

的漏洞、看明白的论文，随手理一理就是一篇好文章。

🏃‍♂️坚持锻炼、坚持早起

       科研和技术的竞争拼到最后拼的从来都不只是智力，更是能支撑长期深耕的体力。日常可以跑跑步、打打球，不求练成线条分明的

肌肉猛男，也不求达到专业运动水准，只求能稳住发际线，哈哈啊啊哈哈。让常年伏案敲代码、看论文的颈椎腰椎不发出 “警报”，以健

康的状态扛住高密度的科研任务。所以不要每天不停的干活哦，要经常的去运动呀。

        早起去食堂吃免费或半价早餐，是最划算的决定！这绝不仅是为了省下那几块伙食费（虽然省钱的快乐确实实打实），更重要的

是把它当作强制自己规律作息的 “硬约束”。当同实验室的同学还赖在被窝里的时候，我已经坐在食堂里，啃着热乎的包子、喝着暖胃的

粥，慢悠悠开启新一天的科研节奏。感觉比别人多偷一点时间、多抢一步先机。

🌏注意休息、劳逸结合

       哪怕Paper没写完，该约饭还是要约饭。和哥们/闺蜜出去吐槽一下科研项目、聊聊八卦，是缓解科研压力的特效药。可以去滑雪，

玩剧本杀，去旅游，去看电影。要是时间不充足的话，也可以简单的找个地方和朋友一起玩桌游，都是很快乐的。

    没事的话，也可以去图书馆看看书之类的，在图书馆里我发现了一本深度学习的花书。

       学校的活动能蹭就蹭，不管是讲座还是各种晚会。这不仅是为了热闹，更是为了以后回忆起来，研究生生活除了代码和烧杯，还有

点别的颜色。还有就是为了这些活动的奖品啊。

❤️ 学业事业和情感上的平衡

       关于友情： 在友情上面我处理的还是很不错的，我们会参加学生组织的小型的学术会议，然后讨论学术。平时也会互相送礼物之

类的。

   ❤️在这个阶段，最好的恋爱关系不是天天腻在一起玩，而是“顶峰相见”。你在跑模型，她在看文献；你为了进大厂刷题，她为了雅思

背书。两个人像是同一个战壕里的战友，互相督促，谁也不许掉队。现在我们的压力都很大，大家都忙，不要总是要那些虚头巴脑的仪

式感。 还有就是不要回避谈论未来。早点把职业规划摊开聊，求同存异。不要为了恋爱而去恋爱，伴侣应该是你战友而不是打发无聊

时间的方式。还有一个就是一定要对对方有足够的信任，没有把握的，无法求证的，伤人的话尽量不要说。有误会就要及时的沟通，不

要成为遗憾吧。

🗣️ 独白：一个“计划狂”的自述与反思

      我是个好朋友，但不是个好伴侣。 我习惯把自己的人生写成代码，每一行都经过严密的逻辑推演。特别是对于重要的事，我会预判

所有可能的 Bug，并设计好 Exception Handler（异常处理）。为什么我把“计划”看得很重？ 因为我没有任何兜底和依靠，很多事情对

我来说，机会只有一次。 所以，当变故突然发生——尤其是这个“异常”是由我在意的人引发，且在我明明预警过的情况下发生时——我

的系统会瞬间崩塌。那种“一切都完了”的绝望感，不是因为我小题大做，而是因为我的容错率太低。

       当有矛盾的时候，见解不同，想法不同，都不可怕。可怕的是我们人为的分成两个不同的阵营。对峙之局若起，怎么可能不裹胁他

人？不管身在其中的初衷为何，两方对立走到最后，立场必会先于是非。我们是人生的战友，而不是非得要你死我活。

     我本身就是做多目标优化的课题的，很多道理逻辑一旦跑通了，就能想得明明白白；唯独在“感情与事业”这道多目标优化题面前，我

至今算不出最优解。也许真的是我成长的速度太慢了吧，我即想要“鲜衣怒马少年时，一日看尽长安花”的快意，又想要在红尘的江湖里

肆意潇洒，温酒伴人，风花雪月。

📜 章节五：【卷五·剑指苍穹（未来展望）】

2026年，又是一个新的起点，新的一年，我对2026年的一些期望：

1️⃣在年前巩固自己金刚凡境的境界，把几大神经网络复习一下，把所有网络的实战项目再手搓一遍。针对我现在做的时间序列任务，

     多做些自己的网络结构。

2️⃣下个学习选深度学习和强化学习的课程，之前基本上都是自己学习，学校的老师都超级厉害，希望可以学到更多的东西。

3️⃣写更多高质量博客，ZEEKLOG粉丝破3w+，阅读量破100W+。

4️⃣努力做好学术研究，争取可以早出一点科研方向的成果，也希望自己的科研成果可以真正的落地应用。

5️⃣最后一个愿望希望爱我的人和我爱的人都可以平安喜乐。

给大家分享一句我最喜欢的诗句吧：我们准备着我们准备着深深地领受那些意想不到的奇迹，在漫长的岁月里忽然有彗星的出现，狂风

乍起。新的一年希望大家的生活中都会有彗星的出现和意想不到的奇迹。

                ▲新的一年希望大家的生活中都会有彗星的出现和意想不到的奇迹！

📜 章节六：【尾声·拱手谢礼】

📝那些定义我时光的“神仙导师”们

       在 ZEEKLOG 写了这么多代码逻辑，今天想写写代码背后的人🌟。一个计算机学生的成长，除了自己的努力，更离不开导师们的

Guide（指引）。回头看这四年，我是如此幸运，遇到了这几位“神仙老师”。论文导师、全院最佳（No.1）刘老师既是我的本科论文导

师，也是核心专业课的任课老师。在我从“经管”转到“计科”最迷茫的时候，是他无私的指导让我稳住了阵脚。毫不夸张地说，刘老师就

是我们学院最好的老师，没有之一。 他的课是必须要抢的，他的指导是必须要听的。感恩相遇！感谢带我入门 C 语言和强化学习

（RL）的洪老师。他是我目前遇到过授课水平最高的老师。他让我明白，编程不仅仅是工具，更是一种思考世界的方式。Flag 立在这

里：希望未来我也能成为一名像他一样，眼里有光的老师。大二大三时，我还是个涉世未深的“愣头青”。感谢石老师的信任，把学院 e

智团队队长的重担交给了我。她是一点点教我怎么打比赛、怎么带团队的。除了搞科研，石老师最可爱的点是——经常带我们出去团建

吃好吃的 🍬！最后，必须隆重安利一下中科院大气物理所的吴老师！这绝对是一位超级有实力且对学生超级好的宝藏导师。📢 特别

福利：如果有学弟学妹想报考吴老师的研究生，或者对大气物理+AI交叉方向感兴趣，欢迎私信我！我可以帮忙牵线搭桥哦！

📝我的“人脉拓扑图”

       🤝刘同学是我本科的最佳拍档, 我们是完全互补的两个人。在我专注于代码实现的时候，是他教会了我许多书本上学不到的内容

——为人处事的道理、情绪的调节、团队的润滑。从他身上，我补全了自己性格中缺失的那一部分代码，让我的“人生程序”运行得更加

稳健。🌍 研究生阶段，我的朋友圈完成了“跨学科升级”。我有幸结识了来自地质与地球物理研究所的曹同学。这位 185cm 的大帅哥不

仅人超级温柔，科研实力更是硬核。和他交流简直就是一场“降维打击”般的科普现场：从月球土壤的成分分析，到神奇的趋磁细菌。

👨‍💻计算机不是一座孤岛,代码可以定义世界，但朋友才能温暖生活。

📝【致谢】每一份关注，都是我持续运行的“动力源”

💌 写在最后：致屏幕前的你

       特别感谢每一位按下 【关注】 和认真写下  【评论】 的你。在后台看到大家暖心的留言，真的超级感动！这是对我的认可，也是

我未来可以改进的方向。未来的日子里，希望我们能继续在 ZEEKLOG 并肩作战。博主会继续努力，为大家带来更多硬核干货。最后，如

果这篇“大学四年回忆录”让你有所触动，或者让你想起了自己的大学时光：

 👇 别忘了【点赞 + 收藏 + 关注】一键三连！你的支持，是我更新的最大动力！我们下期见！👋