AI 工程
知识库、RAG、模型接入与工程化实践。
进入 AI 工程这里是一座持续整理的个人知识花园。
写作的目的不是追逐数量,而是把学过、做过和真正喜欢的内容沉淀成可以再次使用的知识。
不同的主题,共同的习惯:把问题弄清楚,把过程留下来。
知识库、RAG、模型接入与工程化实践。
进入 AI 工程 ↗Codeforces 题解、边界分析与可迁移的解题模型。
沿算法路线练习 ↗NumPy、Matplotlib 与数据处理基础。
翻开数据笔记 ↗编辑、调试与 Git 差异审查,把日常修改变成可核对的步骤。
查看工具实践 ↗网络、工具和开发过程中的常用知识。
理解系统怎样工作 ↗古典音乐聆听,以及偶尔出现的文化随笔。
从分子、晶体与界面理解能源材料,并结合原始论文解读研究进展。
从微观走向材料 ↗比起一次写完,更在意这份笔记能不能经得起重读。
尽量从真实问题出发,而不是堆叠术语。
技术文章保留可复现步骤,同时说明边界和风险。
定期回看旧笔记,修正错误并改善结构。
不在公开内容中保存任何凭据、密钥或隐私数据。