LLM 底层知识库 · 知识地图

这里不是资源链接的汇总，而是解读过的知识：每个概念一页，用大白话 + 例子（优先 SAS/临床场景）讲清楚，并标注「为什么 agent 开发者要懂它」。 与冲刺计划的关系：每周的「原理输入」会指向这里的对应页——计划管进度，这里管理解。

使用方式

1. 学到哪读到哪：按对位周读，不超前囤积。每页 15–30 分钟可读完。
2. 读完自检：能用自己的话向不懂技术的同事讲明白（本书的「大白话标准」），讲不清就回到对应页重读。
3. 例子必动手：每页的「动手试试」是理解的关键，不只是读。

页面元信息约定

每页开头有三个标签：

• 稳定度：🟢 稳定（原理不过时，如 token）｜🟡 半稳定（框架稳定、细节随版本演进，如工具调用）｜🔴 易变（行业格局类，每月核实）
• 对位：对应冲刺计划/路线图的哪一周
• 最后核实：内容最后一次与一手资料核对的日期——看到日期超过 3 个月的 🔴 页面，先更新再信

概念地图

L1 筑基（对位 W1–W4）

页	回答的问题	稳定度	对位	状态
token 与上下文窗口	模型眼里的文字是什么？一次能看多少？	🟢	W1/W4	✅
采样参数：temperature 与 top_p	同一个问题为什么每次回答不同？怎么控制？	🟢	W1	✅
训练管线与推理模型	从数据工程到部署：模型怎么炼成？含 DeepSeek-R1 完整案例	🟢	W1	✅
工具调用与结构化输出	模型怎么"调"工具？JSON 从哪来？	🟡	W2	✅
注意力机制直觉	不写公式，注意力大概在干什么？	🟢	W4	✅
Transformer 架构全景	注意力之外，整副骨架长什么样？	🟢	W4	✅
上下文工程	窗口这么大，为什么不能全塞进去？	🟡	W4	✅
模型格局与怎么读模型卡	现在有哪些模型？选型看什么维度？	🔴	常备	✅

L2 进阶（对位 W5–W8 + 阶段 2，学到再写）

主题	回答的问题	稳定度	对位	状态
长上下文 vs RAG	窗口都 1M 了，还需要检索吗？	🟡	W4/阶段 2	📝
agent 安全与 prompt injection	为什么模型的输入不可信？	🟡	W5	📝
embedding 与向量检索	语义搜索的底层是什么？	🟡	阶段 2 RAG	📝
评测与基准	怎么知道 agent 变好了而不是感觉变好了？	🔴	W8	📝
模型选型实操	价格/速度/质量怎么权衡？	🔴	W8	📝

L3 拓展（对位阶段 2–4，兴趣驱动）

主题	稳定度	对位	状态
MCP 协议	🟡	阶段 2	📝
多模态模型	🟡	阶段 3	📝
MoE 混合专家	🟢	兴趣	📝
RLVR 与 agentic RL	🟡	阶段 3–4	📝
量化与本地推理	🟡	阶段 4	📝
SFT 与 LoRA 微调	🟡	兴趣 + 阶段 4 备查	✅

更新机制（保持 up to date）

这座知识库的更新分三层，与现有的雷达/复盘节奏绑定，不另起炉灶：

1. 每周雷达扫描时（周日 30 分钟）：发现重大发布（新模型、API 变更、协议版本）→ 只改相关页的「现状」节并刷新核实日期，原理节不动——行业变化改变的是格局，不是原理。
2. 每月复盘时：检查全部 🔴 页面（目前主要是模型格局页）是否仍准确；检查 🟡 页面有没有版本演进需要补注。
3. 新页解锁：L2/L3 的 📝 页学到对应阶段时再写（自己写或让 AI 助手按本页模板写）——不提前囤积，保持每篇都是「学到之后的沉淀」。

新页模板：一页 = 一句话主旨 + 元信息（稳定度/对位/核实日期）+ 为什么要懂 + 核心解释（大白话）+ 动手试试 + 常见误解 + 现状与深挖。写完后到本页表格登记状态为 ✅。