1. 工具：[[翻墙]]🪜、[[Obsidian]]、[[Cursor]] 2. 算力：[AutoDL](AutoDL.md) 3. 开源模型（[[Python]] > [PyTorch](PyTorch.md) > [[深度学习@]] > [[微调]]） 1. Exercism + Colab + Kaggle 构建底层能力 1. [[Exercism]] 的使用 2. [[colab]] 的使用，结合下面手写多层感知机 3. [[Kaggle]] 的使用，面向项目学习 2. 什么是深度学习？ 1. 历史简述 李飞飞 wordnet imageNet alexnet（算力、数据、模型） 2. 手写[多层感知机 MLP](多层感知机%20MLP.md) 1. 几个关键概念：梯度、损失函数、收敛、过拟合 2. 线性+非线性=世界规律 3. [[Transformer]]简介（基于 PyTorch 实现） 4. 名校 lab：[CS229 Machine Learning](CS229%20Machine%20Learning.md)、[CS224n Natural Language Processing](CS224n%20Natural%20Language%20Processing.md) 3. 大模型微调：监督微调（SFT）、强化学习微调 (如 GRPO) 1. [微调实战 -- 用Open-R1微调Qwen模型，强化AI数学推理能力](微调实战%20--%20用Open-R1微调Qwen模型，强化AI数学推理能力.md)、[open-r1](open-r1.md) 2. Wandb 平台的使用 3. Huggingface 使用 eval post_training 4. 数据 1. 爬虫 [https://github.com/NanmiCoder/MediaCrawler](https://github.com/NanmiCoder/MediaCrawler) 2. 根据数据生成训练集、测试集 5. 主流基座模型使用心得 1. GPT、Claude(XML->drawIO)、Gemini、google ai studio、Grok 2. Groq/Sambanova/Cerebras 3. 多模型调用网关：OpenRouter、硅基流动 6. AI 应用 1. Agent、[[Agentic]] 2. [[MCP]]（以高德为例）https://mcp.so 3. Manus、Browse-use 4. LangManus（多 Agent 框架）【已经删库】 7. AI 认知和商业化 1. cursor 2. Chatwise AI 加速信息的一个吞吐量->更好的交互 3. 自己写的一款插件和网站 8. 快速学习 & 知识库和RAG的思考 1. 快速学习：从[[inbox]] 到 [[Roadmap]] 到 [[Cheatsheet]] 到 [[知识图谱]] 2. 信息爆炸下的个人知识库，硬盘小，IO 能力强，复写率 3. [[DIKW]]，从信息到认知、资讯推荐，从收藏变为 inbox、番茄工作法 1. reddit、HackerNews、youtube、X 1. [3Blue1Brown](3Blue1Brown.md)、Matt Wolfe 2. @转了码的刘公子 4. 个人的几个 prompt 分享、AI 复盘、git、create patch 5. [RAG](RAG.md) 准确率 = 覆盖率 × 召回率、lightRag ![CleanShot 2025-04-03 at [email protected]|800](https://imagehosting4picgo.oss-cn-beijing.aliyuncs.com/imagehosting/fix-dir%2Fmedia%2Fmedia_tSBeJ7SDQO%2F2025%2F04%2F03%2F16-22-30-4706fc297e5352acd525229fe8524a13-CleanShot%202025-04-03%20at%2016.22.21-2x-44631b.png) ![CleanShot 2025-04-03 at [email protected]|500](https://imagehosting4picgo.oss-cn-beijing.aliyuncs.com/imagehosting/fix-dir%2Fmedia%2Fmedia_U7uzCe3ipp%2F2025%2F04%2F03%2F17-46-52-bd46f4d9c8ebe2e7caf3e6aa5fa5f4cb-CleanShot%202025-04-03%20at%2017.46.44-2x-f4b593.png)