AI 技术实战 · 系列目录

叙事框架：原理 → 实战 → 工程 → 排障 总计 56 篇，已发布 1 篇，55 篇待完善

一、AI 基础与原理（14 篇）

• ⏳ 机器学习全景图：频率派 vs 贝叶斯派
• ⏳ 损失函数与优化器：梯度下降的进化之路
• ⏳ 正则化与泛化：欠拟合、过拟合与模型调优
• ⏳ 从线性回归到逻辑回归：分类问题的起点
• ⏳ 决策树与集成学习：随机森林、GBDT、XGBoost
• ⏳ 支持向量机：从最大间隔到核技巧
• ⏳ 聚类与降维：K-Means、DBSCAN、PCA、t-SNE
• ⏳ 神经网络入门：感知机、激活函数、反向传播
• ⏳ 卷积神经网络：从 LeNet 到 ResNet
• ⏳ 循环神经网络：RNN、LSTM、GRU 与序列建模
• ⏳ 从词嵌入到大模型：Word2Vec → BERT → GPT
• ⏳ Transformer 架构拆解：Attention Is All You Need
• ⏳ 大语言模型的内核：GPT 系列与 RLHF
• ⏳ 多模态与 AGI 展望：CLIP、扩散模型、世界模型

二、AI 技术与实战（14 篇）

• ⏳ Python 数据科学生态：NumPy、Pandas、Matplotlib 快速上手
• ⏳ 数据预处理与特征工程：清洗、编码、归一化
• ⏳ 模型训练全流程：PyTorch 从数据加载到模型评估
• ⏳ 迁移学习与微调：用预训练模型搞定小样本任务
• ⏳ 模型量化：从 FP32 到 INT4 的精度与性能博弈
• ⏳ 模型剪枝与蒸馏：让大模型变小、变快
• ⏳ 模型部署：ONNX 导出、TensorRT 加速、Triton Serving
• ⏳ RAG 实战：构建知识库问答系统
• ⏳ 提示工程：System Prompt、Few-Shot、Chain-of-Thought
• ⏳ 向量数据库：Embedding、索引、相似性搜索
• ⏳ LangChain/LlamaIndex 框架实战
• ⏳ 模型评估：Benchmark、Human Eval、A/B 测试
• ⏳ 从模型到产品：AI 应用的全链路设计
• ⏳ AI 应用落地避坑指南

三、AI 工程与排障（12 篇）

• ⏳ GPU 显存分析：Torch 显存管理、OOM 排查与优化
• ⏳ 训练性能调优：DataLoader、混合精度、分布式训练
• ⏳ 推理延迟优化：CUDA Graph、FlashAttention、vLLM
• ⏳ 大模型部署进阶：K8s 上的模型推理服务
• ⏳ AI 工程化 Checklist：监控、日志、CI/CD
• ⏳ Prompt Injection 与安全护栏
• ⏳ 模型漂移与数据漂移：生产环境模型监控
• ⏳ GPU 运维：NVIDIA-SMI、DCGM、K8s GPU 调度
• ⏳ AI 系统的可观测性：Trace LLM 调用链路
• ⏳ Token 成本优化：缓存策略、降级方案、计费模型
• ⏳ AI 合规与伦理：数据隐私、模型偏见、可解释性
• ⏳ LLM 的幻觉问题：检测、缓解与防线设计

四、Agent Coding：AI 辅助编程（8 篇）

• ⏳ Copilot / Cursor 实战：从自动补全到理解代码库
• ⏳ AI 代码生成的最佳 Prompt 策略
• ⏳ AI Code Review：让 LLM 做你的结对编程伙伴
• ⏳ 从需求到代码：用 AI 生成完整功能模块
• ⏳ AI 生成测试：单元测试、集成测试、Mock 数据
• ⏳ 上下文窗口管理：如何在超大代码库中用好 AI
• ⏳ Vibe Coding 的利与弊：什么时候该信任 AI 生成的代码
• ⏳ AI 编程的边界：什么场景下 AI 会写出 Bug

五、Agent Loop：智能体架构与模式（8 篇）

• ✅ Agent 的诞生：从 LLM 到 Autonomous Agent
• ⏳ ReAct 模式：Reasoning + Acting 的循环框架
• ⏳ Plan-then-Execute：让 Agent 先规划再行动
• ⏳ Reflection 与 Self-Critique：Agent 的自我纠错能力
• ⏳ Function Calling 与 Tool Use：Agent 如何调用外部工具
• ⏳ Multi-Agent 协作：多个 Agent 分工与通信模式
• ⏳ Agent 记忆系统：短期记忆、长期记忆与检索增强
• ⏳ Agent 评估与调试：Trace、Token 消耗与行为分析

最后更新：2026-06