本文整理了 AI 开发领域的实用工具与学习资源，涵盖 WordPress Gutenberg 编辑器、Page Spy 远程调试工具、MLOps Zoomcamp 课程、Crab 编程语言及 MoviePilot 媒体自动化项目。重点解析了 AIGC 副业思路及七阶段 AI 大模型学习路径，包括系统设计、提示词工程、平台应用、知识库开发、微调技术及多模态应用，旨在帮助开发者系统掌握从内容生成到模型部署的全流程技能。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
随着人工智能技术的飞速发展，开发者与内容创作者面临着新的机遇与挑战。本文整理了一系列实用的开源项目与技术资源，涵盖从内容生成、Web 调试到机器学习运维（MLOps）等多个领域，旨在为技术从业者提供有价值的参考路径。
在 AIGC 时代，利用人工智能技术进行内容创作已成为一种可行的副业方向。相关资源库通常收录了关于如何利用 AI 技术进行视频编辑、图片创作、文案撰写等方面的思路和方法。核心优势在于提供经过验证的技术赚钱方案，例如 AI 脚本视频制作教程、音频克隆工具以及音乐生成工具的整合。此外，还包含虚拟人直播及无人货架直播等领域的操作指南，帮助初学者了解如何稳妥地开始副业探索。
Gutenberg 是 WordPress 项目的核心组件，代表了网站构建和发布的全新范式。该项目通过模块化编辑器引入了一种崭新的编辑方式，彻底改变了整个发布体验。主要功能包括区块编辑器、完整网站编辑以及区块图案等。它专注于提供直观丰富的媒体页面创建方法，用户无需使用短代码或自定义 HTML 即可实现复杂的布局。
其核心优势和关键特性包括提供最新版本的区块编辑插件、完善的用户文档支持。作为开放源码项目，Gutenberg 欢迎各类贡献者参与其中，持续推动 Web 内容管理系统的演进。对于希望快速搭建现代化站点的开发者而言，掌握 Gutenberg 的区块系统至关重要。
Page Spy 是一个专为 Web 项目设计的远程调试工具。它基于原生 Web API 的封装，在调用时过滤和转换原生方法的参数，并将其转换为特定格式的消息以供调试器客户端消费。该工具提供了类似浏览器 DevTools 的交互式界面，便于接收到消息数据后进行查看和分析。
使用场景广泛，包括本地 H5 或 WebView 应用程序的调试、远程协作以及用户设备上出现白屏问题等情况下无法通过本地开发者工具进行代码调试时使用。核心优势和主要功能如下：
本项目是 DataTalksClub 推出的 MLOps Zoomcamp，旨在教授将机器学习服务投入生产的实际方面——从训练和实验到模型部署和监控。目标受众为数据科学家、ML 工程师以及对将 ML 投入生产感兴趣的软件工程师和数据工程师。该课程要求具备 Python、Docker 等基础，并提供 Slack 社区支持。
主要功能包括介绍 MLOps 成熟度模型、使用 MLflow 进行实验跟踪与模型管理、利用 Prefect 2.0 进行流水线编排等内容。通过端到端项目来应用所学知识，学员可以掌握如何将理论转化为可维护的生产级系统。这对于希望提升工程化能力的 AI 从业者来说是非常宝贵的资源。
Crab 是一种新兴的编程语言，其源代码存储库包含了编译器、标准库和文档。该项目提供快速启动指南，并支持通过命令行工具进行构建和安装。其核心优势和特点包括提供简单易用的快速启动指南、支持多平台构建环境。社区提供技术支持及贡献者相关信息，采用 MIT 许可证、Apache 许可证以及其他 BSD 类似许可证分发，适合对系统编程感兴趣的开发者尝试。
MoviePilot 是基于 NAStool 部分代码重新设计的项目，主要聚焦自动化核心需求，并减少问题同时更易于扩展和维护。该项目具有以下优势：前后端分离，界面美观；简化功能和设置；美观易用的用户界面。安装方面需要先安装 CookieCloud 插件并同步站点信息，在配套下载器和媒体服务器上使用。可通过 Docker 镜像或本地运行进行安装配置，适合个人媒体中心的管理需求。
针对人工智能大模型的学习，建议遵循系统化的进阶路线。以下阶段涵盖了从入门到行业应用的完整知识体系：
第一阶段：从大模型系统设计入手，讲解大模型的主要架构与方法论，理解 Transformer 等基础原理。
第二阶段：在大模型提示词工程（Prompt Engineering）角度入手，学习如何更好地发挥模型的作用，优化输入输出质量。
第三阶段：大模型平台应用开发，借助阿里云 PAI 等平台构建电商领域虚拟试衣系统等具体案例，理解云端部署流程。
第四阶段：大模型知识库应用开发，以 LangChain 框架为例，构建物流行业咨询智能问答系统，掌握 RAG（检索增强生成）技术。
第五阶段：大模型微调开发，借助大健康、新零售、新媒体领域构建适合当前领域的大模型，学习 SFT（监督微调）技术。
第六阶段：以 SD 多模态大模型为主，搭建文生图小程序案例，深入理解生成式对抗网络与扩散模型。
第七阶段：以大模型平台应用与开发为主，通过星火大模型、文心大模型等成熟大模型构建大模型行业应用，实现商业化落地。
学会后的收获包括：基于大模型全栈工程实现能力，涵盖前端、后端、产品经理、设计、数据分析等角色所需技能；能够利用大模型解决相关实际项目需求，提高数据分析和决策的准确性；掌握 GPU 算力、硬件、LangChain 开发框架和项目实战技能，一站式掌握 Fine-tuning 垂直训练大模型的全流程；完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力和分析能力，编写高质量的代码。
综上所述，掌握上述工具与知识体系，将有助于开发者在 AI 浪潮中占据主动地位，实现技术与商业价值的双重增长。
