从机器学习原理讲到大模型、提示词、上下文工程和 Agent，弄懂你每天在用的 AI。
适合每天在用 AI、想知道它怎么工作、怎样用得更稳的人。已开放 40 讲，规划 40 讲，内容持续更新中。
- 说清大模型是怎样训练出来、怎样生成回答的
- 写出清楚、可复用的提示词和结构化输出
- 理解 RAG、记忆和上下文工程
- 看懂 Agent、工具调用、MCP 和它的安全边界
这个板块讲 AI 的原理和用法：数学只要高中水平，代码只用来帮你看懂原理，不要求自己写。AI 领域变化很快，涉及具体产品和接口的地方，以各家最新官方文档为准。
- 01
机器学习与神经网络基础
模型是怎么从数据里“学”出来的：损失函数、梯度下降、神经网络，再到“预测下一个词”的语言模型。
学完这一部分能用自己的话讲清模型怎样一步步变好
已开放 5/5 · 0/5 已完成 - 02
Transformer 与大模型原理
大模型从分词、注意力、预训练，到指令微调和对齐训练，以及它为什么会每次回答不同、为什么会“编”。
学完这一部分能画出大模型从训练到回答的完整链路
已开放 10/10 · 0/10 已完成 - 03
提示词工程
把需求说清楚：示例怎么给、怎样让模型一步步想、怎样让它稳定输出表格和 JSON。
学完这一部分一套能复用的提示词写法
已开放 6/6 · 0/6 已完成 - 04
上下文工程
模型能看到的内容有限：怎样挑资料、检索资料（RAG）、记住历史、在长任务里给上下文瘦身。
学完这一部分能判断一个 AI 应用出错是“没看到”还是“没想对”
已开放 6/6 · 0/6 已完成 - 05
Agent 原理
让模型自己调用工具、边想边做、先规划再执行，多个 Agent 怎样分工，以及 MCP 等连接协议。
学完这一部分能看懂一个 Agent 每一步在做什么
已开放 6/6 · 0/6 已完成 - 06
Harness 工程
模型之外的那一层：工具循环、长任务状态、权限与沙箱，以及怎样用运行记录持续改进。
学完这一部分知道一个可靠的 AI 助手除了模型还需要什么
已开放 4/4 · 0/4 已完成 - 07
评测与安全
怎样判断模型和 Agent 好不好，提示注入是怎么发生的，以及整门课的知识地图。
学完这一部分能给自己的 AI 工具列出评测和安全清单
已开放 3/3 · 0/3 已完成