首页

一名 SAS 统计程序员（CDISC / 临床试验领域）系统转型「临床 × AI Agent」复合方向的公开学习簿。 主线：先造后读 —— 先手写迷你 agent 框架建立第一性原理理解，再解剖生产级开源项目（OpenAI Codex），最终落地临床领域 capstone。

当前状态

项目	状态
当前阶段	阶段 1 · 八周冲刺 · W1（LLM API 破冰）
下一里程碑	W4 · SDTM spec 阅读器可演示（月度里程碑）
作品集里程碑	W8 · capstone 仓库 + mini-eval 报告
最近更新	2026-09-04 · 学习之书上线 GitHub Pages

怎么读这本书

章节	适合什么时候读
如何更新这本笔记	第一次更新前读一遍，之后照做即可
学习路线图	想看全局：12 个月四阶段、月度复盘、行业变化日志
八周冲刺计划	每周开工前：本周的目标、原理、实践、验收、裁剪与加餐
Codex 研读指南	W5–7：六步阅读路径与问题清单
资源清单与信息雷达	每周日扫描 30 分钟；需要装工具、找数据、读论文时
学习日志	每周日写周记；月末写复盘
学习笔记	学习产出的公开笔记，按周归档

作品集仓库（代码不在本书内）

仓库	创建时间	说明
nano-agent	W3	从零手写的迷你 agent 框架（约 500 行核心）
capstone（名字待定）	W8	临床领域 agent + mini-eval（三选一，见冲刺计划 W8）

五条学习原则

1. 先造后读：先手写实现建立参照系，再解剖生产级源码——读源码时才有「为什么这么设计」的判断力。
2. 练习即职业资产：每个练习项目都锚定临床场景（SAS log、spec、CT 词表、aCRF），练习的每一步都在为作品集和职业转型积累。
3. 输出倒逼输入：每周至少 1 篇笔记公开发布（博客/知乎/掘金任一），讲不清楚 = 没学会。
4. 深耕不贬值层，快贬值层用到再查：agent 循环、上下文工程、评测思维、安全模型、CDISC 领域知识是长期资产；具体 API 参数、prompt 小技巧、特定模型脾气用到时再查文档。原理概念以大白话建立直觉，不追求数学推导。
5. 数据红线：任何进入练习的真实数据必须先脱敏（受试者→PT-001、中心→Site-01 等），优先使用公开数据（CDISC pilot、PHUSE 等）。这条红线源于临床行业的合规要求（GDPR/HIPAA/PIPL），也是这本笔记公开的前提。