摘要：AI > ML > DL > NLP/LLM > GenAI 是套娃结构，不是并列关系。大模型本质就是"140GB 参数文件 + 推理代码"。训练一个 70B 模型需要 6000 张 GPU 跑 12 天、花费约 200 万美元。LLM 能生成内容、总结、翻译，但会编造事实、数学不精确、知识不实时。全产业链从能源芯片到应用层共六层。读完本文你就能把任何一个 AI 术语放在地图的对应位置。 阅读全文

摘要：两年 AI 实践后决定从头搭建认知体系。六层递进框架：基础认知 → 核心原理 → 关键范式 → 系统架构 → 产品策略 → 项目实践。面向同样在转型路上、学了碎片但说不透的人。 阅读全文

摘要：你给模型输入一段文字，它怎么理解你的意思？又怎么组织出回答的？整个过程分几步走：先拆成 Token（分块）→ 转成向量（数字化）→ 算相关性（注意力）→ 逐字往外蹦（预测）。每一步对应一个核心概念，这篇把它们串起来。不写代码，不讲公式，讲给非技术的同事能听懂。 阅读全文

摘要：你跟 AI 说了一句话，它给你的回答总是差点意思。不是 AI 笨，是你还没掌握怎么跟它说话。这篇从底层原理讲起，告诉你 PE 的本质不是"把话说清楚"，而是理解 LLM 的工作机制后，用工程化的方式引导它产出你想要的结果。 阅读全文

摘要：你跟 AI 的每一次对话，都是在临时培训一个新员工——教会了，下次又得重来。Skill 就是把"培训手册"固定下来，让 AI 每次上岗都知道按你的方法来。它不只是省时间，更关键的是它的结构会逼你把"说不清楚的要求"一条条补齐。这篇讲清楚 Skill 是什么、为什么它比 Prompt 多了一层价值，以及怎么开始拥有自己的 Skill。 阅读全文

摘要：Agent 不是"更聪明的聊天机器人"，它真正改变的是交付物：Prompt 给你一段可用文字，Agent 把一个目标推进成一份更完整的工作成果。这个变化背后，不只是模型能力变强，而是规划、工具调用、记忆、Loop 和 Harness 这些系统能力开始接上来。理解 Agent，要从"它会回答什么"转到"它能把事情推进到哪一步"。 阅读全文