欢迎¶
这是我的个人技术笔记站。这里记录我在 AI 工程和深度学习领域的学习、翻译与实践。
专题阅读¶
🤖 智能体工程¶
Simon Willison《Agentic Engineering Patterns》系列的 15 篇中文译文，按六大主题组织——从核心原则到协作工作流、测试实践、代码理解和实战案例。
- 每个开发者都该知道的 30 个智能体工程核心概念
- 循环工程（Loop Engineering）
- 智能体式代码审查（Agentic Code Review）
- 循环入门（Getting started with loops）
- 面向自我提升的 Harness 工程（Harness Engineering for Self-Improvement）
- 循环工程设计模式（10 Loop Engineering Design Patterns）
- 如何与 AI 协作并实现复利增长（Working with AI）
- 智能体循环详解：从 ReAct 到循环工程（Agentic Loops Explained）
- Ralph Wiggum 当"软件工程师"（Ralph Loop 技术）
🧠 深度学习¶
反向传播、自动微分、模型量化、扩散模型与推理优化等基础主题的学习笔记与译文整理，兼顾原理解释与工程实践。
- 反向传播：想法、数学原理、思想史与最值得读的 5 篇文献
- 计算图上的微积分：反向传播
- Transformer Math 101：训练计算量与显存需求速查
- Transformer 推理算术：用少量公式理解大语言模型推理性能
- LLM 优化面试笔记：训练与推理
- 量化神经网络：你只需要这一篇指南
- 量化可视化指南：大语言模型压缩入门
- 什么是扩散模型？
- Diffusion Transformer（DiT）模型：初学者指南
🔌 浮点与芯片设计¶
从零实现浮点运算（bfloat16）、ASIC 硬件设计与流片的硬件向技术长文翻译。
📄 研究论文¶
大模型相关前沿研究论文的中文翻译与解读，覆盖推理优化、模型压缩等方向。
📜 数学考证¶
近代数学术语汉译、书证考据与定名过程的研究笔记。
关于这个站¶
站点由 MkDocs Material 驱动，支持数学公式渲染（KaTeX）和代码高亮。推送到 main 分支后由 GitHub Actions 自动构建发布。
如有勘误或建议，欢迎到 GitHub 仓库 提 Issue。