Data and AI

摘要： Claude Code 完全指南：27个核心概念详解 Every Claude Code Concept Explained for Normal People 目录 基础概念（1-5） 配置与个性化（6-14） 高级功能（15-24） 实战与工作流（25-27） 一、基础概念（1-5） 1. Wh 阅读全文

摘要： Claude Code 完整实战攻略 Claude Code 从 0 到 1 全攻略 —— MCP / SubAgent / Agent Skill / Hook / 图片 / 上下文处理/ 后台任务 / 权限 ...... 目录 快速入门与安装 基础交互模式 复杂任务处理 多模态与上下文管理 高级 阅读全文

摘要： Claude Code 采用四层架构：Tool（原子执行能力，如 Read/Write/Bash/Task）、Skill（程序性知识库，教 Claude "如何做"）、Agent（隔离上下文的执行者）、Plugin（打包分发单位）。关键调用链为：用户 → 主 Claude → Task Tool 创建 Subagent → Subagent 调用 Tools 完成工作。核心规则是 Agent 调用 Tool，Task Tool 只是"HR 工厂"负责创建 Agent，Agent 成为独立执行主体后自主调用其他 Tools。决策要点：连接外部系统用 MCP，教流程用 Skill/Command，需隔离并行用 Agent，团队分享用 Plugin，简单操作直接用 Tools。文件分别存放在 .claude/skills/、.claude/agents/、.claude/commands/ 目录下。 阅读全文

摘要： 目录 概述与核心概念 系统启动与初始化 核心模块详解 消息处理流程 LLM Provider 体系 Channel 详解（以飞书为例） 性能与并发分析 配置系统 总结 概述与核心概念 项目简介 NanoBot 是一个超轻量级的个人AI助手（约4000行核心代码），通过连接多个聊天平台（Telegra 阅读全文

摘要： 设检验中的几个核心概念：否定域（拒绝域）、显著性水平 α、p 值（p-value）**。这些概念在统计推断中彼此紧密相关，理解它们能帮助你正确设计统计检验并解读检验结果。 📖 第一人称心路独白：关于 H₀、5%，以及那条我必须画出的界线 有时候，我觉得做假设检验就像是在和“未知”对话。 我面前摆着 阅读全文

摘要： 自由度：统计推断的核心桥梁 在数理统计中，自由度是连接样本与总体的关键概念，其核心价值在于让“用样本推断总体”从主观判断转化为可量化的科学分析。本文将遵循“为什么需要—本质是什么—实际怎么用”的逻辑，系统拆解这一核心概念。 高自由度背后的核心含义：有效信息更充分 “高自由度 ↔ 有效信息更充分 ↔ 阅读全文

摘要： 通过“标准正态变量 / 卡方变量自由度开方”的构造，完美解决了“总体方差未知”时的统计检验问题 🔍 什么是 t 分布？ t分布（Student’s t-distribution）是统计学家 William Sealy Gosset 以“Student”为笔名提出的分布，专门解决总体方差未知、小样本 阅读全文

摘要： 📊 统计检验里的“变异比值”逻辑 简单来说，卡方分布告诉我们“变异有多大”，而F分布告诉我们“这个变异相对于另一个变异来说，是否大到显著”。 🔗 场景→平方和→卡方→F分布 关系链 ✨ 一、F分布核心知识点速览 F分布是两个独立卡方分布的“标准化比值”：若随机变量 \(X \sim \chi^2 阅读全文

摘要： 《回归分布》第二章 误差平方和是统计学、机器学习、工程优化等领域的 “底层工具”，它的有效性和普适性，源于几个核心优势 ——不抵消偏差、放大关键异常、数学性质优良。比如机器学习里的均方误差（MSE），本质就是 “平均化的误差平方和”，是最常用的回归任务损失函数之一 —— 它的优化目标，就是最小化预测 阅读全文

摘要： 统计推断是统计学的核心逻辑之一，其本质是**利用有限的样本数据，对未知的总体特征做出合理的估计和判断**，也是从“样本”到“总体”的关键桥梁。本文将系统梳理统计推断的核心基础概念：统计量与总体参数的定义及区别、统计推断的两大核心方法、总体/样本/抽样分布的界定，以及易混的标准差与标准误，帮大家建立统计推断的基础认知框架。 阅读全文