AI学社 今日: 0|主题: 413|排名: 8 

Pi 的上下文 其实不是一条聊天记录，而是从 Session Tree 里面临时构建出来的一条路径。 最近在研究Pi的源码，发现Pi保存的上下文在Session，只是模型的其中一个视角。 我现在才发现以前对 Agent Context 的理解还是太简单了。 1、Pi 保存的 Session 本身就是一棵树 Pi 的每条 Session Entry 都会记录自己的 id 和 pare ...

李笑来写的《自学是门手艺》，17000+Stars。 整本书就围绕一句话：一个人要是没有自学能力，基本就没啥未来了。扎心，但确实是那么回事。 内容分三部分： 先讲为什么一定要掌握自学能力、为什么拿编程当入口； 然后用Python讲函数、参数、递归、TDD这些具体技能； 最后讲怎么攻克难点、拆解问题、避免注意力漂移。本质 ...

系自学AI，免费的课太散不成块，付费的又动不动几百上千，翻起来实在头秃。 这free-ai-resources-x，拢了411份免费学习资源，全部人工审过筛过，按30多个类别仔细码好了。资源大多来自斯坦福、Google、DeepMind、Hugging Face这些机构的公开课和教程。 铺了基础、机器学习、深度学习、CV、NLP、AI Agent等方向。 最实在的 ...

英语学习宝藏项目：AI 时代终身学习指南 核心观点很戳人：AI能秒回答案，但提问的能力、辨别真假的能力、把想法做成真东西的执行力，还有为自己决定负责的勇气，这些AI替代不了。里面有很多英语学习方法论、AI项目实践，也有写给低谷期的人的真诚文字。免费公开，值得一看 https://github.com/byoungd/up ...

转行AI工程师，最怕的不是学不会，是被碎片化教程和AI拼出来的长文带偏。AI Engineering Field Guide 基于1765份真实职位描述和面试经历整理，数据驱动，直接对准求职和上手。 1⃣ 岗位在招什么、技能怎么配，对标真实需求 2⃣ 面试流程和题型，附真实案例 3⃣ 按数据/后端/前端不同背景给转型路径 4⃣ OpenAI、Anthropic ...

都盯着OpenAI Codex研究这股热潮往上冲，结果官方文档写得跟天书似的，各路教程又散得跟碎片一样，新手翻完一圈直接原地懵圈。 GitHub上倒是藏了本完全免费的《Codex 橙皮书》，良心到从最基础的下载安装一路给你铺到实际项目开发，整条链路都给你拆解得透透的： 1️⃣ 内容结构那叫一个扎实，绝对不是网上那种七拼八凑的 ...

【从零构建LLM：17岁时最该交的“智力学费”】Paul Graham最近给17岁年轻人的建议引发了破圈争论：不要急着开公司，去从零实现一个LLM。这并非让孩子去复刻OpenAI的千亿参数模型，而是像前几代程序员在车库里写OS或编译器一样，通过亲手实现Transformer架构、处理Token、调试Attention权重，把AI从“魔法黑盒”拆解为可理解 ...

想深入的学习Pi吗？我用最牛逼的模型，完成代码拆解、细化、深入浅出，还带有各种模拟的UI交互及测评，如果你找不到合适的教程，我觉得这个你可以瞅瞅（后续会持续迭代） https://dev.limbo101.win

免费开源的Grok bot中文教程来自@KinGao476942 的分享~感兴趣的可以学习起来~项目地址:https://github.com/KinGao294/grok -bot-orange-book

“人工智能的七层架构”——以及理解它们之间的区别为何至关重要🤖 人们常常把人工智能当作单一技术来讨论。 但事实并非如此。 我们所说的人工智能实际上是数十年来不断发展的理念——每一层都在前一层的基础上增添新的功能。 1️⃣ 经典人工智能 最早的系统依赖于规则、逻辑、搜索和专家知识。人类基本上告诉机器应该 ...

继吴恩达Andrew NG上篇AI工程技能（http://t.cn/AXpi6mKu），又补充了构建和部署 AI 应用需要的技能。 我之前写过一篇关于"AI 工程技能地图"的文章，最高层级的四项技能分别是：（一）构建和部署 AI 应用，（二）软件工程基础，（三）使用编程智能体（coding agents），（四）塑造构建方向。这封信里，我会详细展开第一项 ...

继吴恩达Andrew NG上篇AI工程技能（http://t.cn/AXpi6mKu），又补充了构建和部署 AI 应用需要的技能。 我之前写过一篇关于"AI 工程技能地图"的文章，最高层级的四项技能分别是：（一）构建和部署 AI 应用，（二）软件工程基础，（三）使用编程智能体（coding agents），（四）塑造构建方向。这封信里，我会详细展开第一项 ...

做自媒体是实践费曼学习法的最好途径 学习知识、理解知识，把你学到的知识用通俗易懂的语言讲给一个外行人 发现自己讲不明白的点，再去反复循环这个过程

人工智能工程并非仅仅是“LLM + 提示”。 这仅仅是起点。 真正的技术栈更像是这样： LLM *RAG *MCPs *向量数据库 *工具和API *内存 *工作流 *代理 *可观测性 *评估 *安全防护 *数据和上下文 *部署 这就是演示系统和生产系统的区别。 模型提供智能。 围绕模型运行的系统提供可靠性、上下文、控制和实际价 ...

是时候了！你是不是已经忘记了所有读过的书？从线性阅读到多维阅读，人工智能驱动的智能书籍知识图谱即将革新阅读方式！📚 还在为线性阅读中人物关系和事件脉络难以理清而苦恼吗？知识分散，难以串联？ 🤔 DeepRead 的核心功能强大，它能将书籍内容“植入”你的大脑，以下是它的强大之处👇 ✅ AI 智能分析：自动提取人物 ...

最佳统计学课程 - https://mltut.com/best-statistics-courses-on-coursera/

构建人工智能代理：从入门到精通的路线图 获取《从零开始构建代理》电子书：https://codewithdhanian.gumroad.com/l/jozop

给你们安利一本开源书，《自学是门手艺》，程序员也好，想持续往前跑的人也好，都值得翻翻。 它在GitHub上攒了17K+ Stars，通篇就想说明白一句话：一个人要是没有自学能力，基本就没啥未来了。听着扎心，但仔细想想还真是这么回事。 想把长期学习这件事练成肌肉记忆，先收藏起来慢慢啃。 🔗 GitHub： https://github.com/ ...

想系统学 AI 工程，网上的教程大多只讲理论或者直接调框架，中间自己动手实现的那层总是跳过。 ai-hands-on 从数学和 PyTorch 基础一路写到 Transformer 和大模型检索，全程 Jupyter 笔记本边看边跑。 每一步都自己动手实现，神经元、网络层、注意力机制，全是从头写的代码。 GitHub：http://github.com/Ramakm/ai-hands ...