今天是我参加 PyCon LT 2025 的第三天：AI and ML Day，主题是 LLM 和 Neural Networks。
全部日程可以在这里查看：PyCon LT 2025
AI 的发展确实很快，我也想借这次大会的机会，听一听关于 AI 的相关讨论。虽然因为下午有工作需要回公司处理，只听了上午的议程，但依然有收获。
主要的收获是：AI 已经成为每个人都不能不学习和应用的技术了。
依旧是流水账记录一下今天的感受
今天同样是早上九点多到的会场，第一场演讲开始前，打上一杯咖啡就进去听了。
第一场的主题是《Open-source Multimodal AI》。这位演讲嘉宾来自法国，是 Hugging Face 团队的成员，也许大家都见过这个表情 🤗 —— 著名的 Transformers、Diffusers 开源库就是他们开发的，另外他们还有 Hugging Face Hub 网站，用户可以上传、分享、下载各种 AI 模型和数据集。
本次演讲主要分享了多模态人工智能的内容，介绍了多模态和开源的一些背景知识、相关库、基本 API，以及如何开始使用开源模型，并提到了目前流行的一些开源模型。
第二场听的是《Knowledge Bases & Memory for Agentic AI》，介绍了 Agent 人工智能（Agentic AI）的起源。演讲内容包括如何设计提示（prompt），指导 LLM 使用工具并规划解决复杂查询的方法；学习函数调用，以及如何利用 LLM 的这一特性作为代理（Agent）的基础。演讲者同样是一位女性，来自荷兰。
第三场听的是《EGTL data-processing model prototype using Python》，分享了如何在传统 ETL（提取、转换、加载）流程中，新增由生成式 AI 支持的“生成”步骤，扩展为 EGTL（提取、生成、传输、加载）。演示了基于数据仓库的 Python 流水线如何自动提取数据、生成新洞察并实现优化转换，探讨了实用工作流程、实际用例和最佳实践，帮助数据项目应用 EGTL 方法。
上午最后一场听的是《AI 360: From Theory to Transformation》，分享了 AI 的发展历程。从数据和模型的双重视角，回顾了人工智能的演变，讲述了从早期的符号系统到今天先进的数据驱动技术的发展过程。与会者了解了不断增长的数据集和日益复杂的模型架构如何相互作用，推动 AI 从理论好奇心变为全球创新催化剂的过程。
后面因为下午要回公司处理工作，就在吃了午饭后离开了。
启发
今天听了几位演讲，女性讲者的比例依旧很高，前两位讲得尤其好，逻辑清晰、表达有力。
而今天关于 AI 的主题，更是让我意识到一件事：**AI 的发展根本不等人。**谁还在观望、犹豫，谁就已经落后了。唯一的出路，是尽快拥抱它，而不是浪费时间抗拒或怀疑。
说白了，现在最该做的不是去学怎么“用” AI，而是反过来问：**哪些事情应该让 AI 重新来做一遍？**你过去那一整套工作方式，可能早已效率低下，只是 AI 还没来得及替你动刀而已。
顺带一提，现在市面上 99% 的 AI 课程本质上都是智商税——用 DeepSeek、ChatGPT 摘点资料、套个 Notion 模板，然后卖给你。看似在教你用 AI，本质上是在‘用 AI 来教你交钱’。
真正该做的，是盯紧你所在的行业和岗位，认真思考两个问题：AI 是否正在取代我的工作？我是否能用 AI 做出比别人更好的结果？
总结
以上就是我参加 PyCon 第三天的简单记录。
整体来看，这次 PyCon LT 之行非常值得。虽然谈不上收获了太多具体的技术细节，但能听到来自同行的分享，无论是从技术视角还是人际交流上，都是有价值的。
这次也和几位同事一同参会，有更多时间深入交流，感觉非常难得。
如果以后还有机会参加 PyCon，我希望能更多关注一些核心项目，比如 CPython、PyPA，也希望能接触更多 DevOps 和 AI 相关的话题。
这次的 PyCon 随记就分享到这里，期待下一次再见！
转载本站文章请注明作者和出处，请勿用于任何商业用途。欢迎关注公众号「DevOps攻城狮」