大模型理论、大模型应用开发、Prompt Engineering、Agent应用
Token 窗口、上下文压缩、持久化方案，高效管理对话历史。
窗口是什么、四大核心问题、主流模型上限对比，全程图解。
GPT/Claude/Gemini/Qwen/DeepSeek/GLM/豆包 各版本参数量级、窗口、最大输入输出全景对比与形象感知。
为什么 AI 代码助手用 grep 而不是 RAG？从工程约束到设计哲学的全面拆解。
从字节面试官之问出发，图解 Claude Code 检索循环、三大代价、两条查 bug 路径与面试四层答法。
向量相似度很高却召回错误文档？从语义歧义到混合检索，讲清 RAG 召回失败的真正原因。
从"看指标"到"拆链路"，逐环节漏斗式排查、打标归类与回归沉淀，面试级实战框架。
效果天花板（召回/相似度/中间迷失/知识库）× 工程性能（延迟/成本），七个瓶颈配图拆解与缓解清单。
从指标到落地：检索/生成指标（RAGAS）、传统NLP指标、LLM-as-Judge、在线评估、完整评估方案、可算评分卡与工具对比。
原理、建设流程（9 步）、RAG、向量库选型、检索重排、上线路线图与避坑清单，全程图解。
从文档解析、清洗分块到向量化入库，完整理解知识库导入流程。
ReAct、工具调用、多 Agent 协作，构建智能 Agent 系统。
理解 Agent 与工作流的区别、选型边界和设计规范。
从工程实践出发，比较自研 Agent 与成熟框架的取舍。
从推理模式到 ReAct 实现，理解 Agent 的思考与行动循环。
多智能体的概念、协同方式与主流框架全览。
消息信封、拓扑选型、共享状态 vs 消息传递、协议握手与错误处理，附通信蓝图。
什么场景 Single-Agent 就够了、什么场景必须上 Multi-Agent，以及多 Agent 的中心化与去中心化取舍。
对比 ReAct、Plan-and-Execute 与 Reflection 的特点和选型。
MCP 协议、Server/Client、工具与资源，理解标准化 AI 接口。
MCP 本质、与硬编码 Tool 的六维区别、四大原语、通信生命周期与真实应用场景，全程图解。
两者都是给 AI 助手加能力的机制，但解决的问题完全不同——讲清选型边界。
从 TCP 与响应式取消传播讲起，解决流式输出下客户端断开后的资源治理与成本问题。
精读 OpenAI 官方工程博客：5 个月、3 人、0 行手写代码交付百万行级产品。拆解角色重定义、应用可读性、仓库即记录系统（地图而非手册）、分层架构约束、熵与垃圾回收，附可落地清单与三条误读警示。
理解 Claude Code 的记忆系统架构、存储机制与使用方法。
深入理解记忆文件的结构、格式与各个字段的含义。
可视化展示 Claude Code 记忆系统的完整结构与关系。
理解 Claude Code Auto Memory 的索引结构与自动记忆机制。
OpenClaw 记忆系统架构详解与实现原理。
OpenClaw 遗忘机制与倒排索引实现详解。
OpenClaw 完整工作流程与使用指南。
讲清楚文件存储、条目切片、鲜活度分数与记忆衰减的关系。
记忆如何被检索、注入 Prompt，以及为什么需要梦境来整理碎片。
OpenClaw 长期记忆文件的处理机制、截断策略与自动化维护。
从架构、写入与检索管线到图记忆，理解 AI 智能体通用记忆层的实现原理。
从统计语言模型到 ChatGPT 与推理模型，时间轴 + 架构图解 + 趋势综述，全程图文。
从 CoT 到 GoT，梳理大模型规划能力的关键方法与演进。
理解思考模式开与不开的差异，以及推理能力的工作方式。
从范式、架构、工程到落地的完整对照：流水线 vs 单模型、判别式 vs 生成式、监督标注 vs 预训练+涌现，含 Scaling Law 与混合架构建议。
从大模型到小模型的知识迁移，理解模型压缩与轻量化技术。
自注意力机制、多头注意力、位置编码，理解大模型的核心架构。
Query/Key/Value 的原理、应用目的与解决什么问题，含注意力热力图与缩放交互演示。
用直观图解理解注意力如何聚焦上下文中的关键信息。
图书馆类比、词间注意力连线、分步计算器与多头切换，形象学懂 Attention。
为什么只缓存 K/V、自回归生成怎样省算力，以及跨请求前缀复用原理，含交互对比图。
理解激活函数的作用，以及 ReLU、GELU、SwiGLU 等常见选择。
区分"激活函数"与"神经元被激活"，讲清参与计算 vs 被激活、稀疏激活与 MoE 激活参数，含可拖动灯阵演示。
从原理层讲清：无状态推理、权重只读、注意力只看窗口，以及记忆如何实现。
定义、迁移学习原理、LoRA、目的与应用场景，配图讲清 Fine-tuning。
LoRA / QLoRA / AdaLoRA / aLoRA / 全量微调的 11 维对比、演进链与 5 分钟选型决策树。
低秩分解、冻结基座、旁路残差——为什么微调大模型只需训练一张轻薄「贴纸」。
Tokenization、BPE、词表与 Token 计数，彻底讲清 Token 是什么。
参数量级规模、如何划分，以及「参数」具体指哪些、如何估算。
幻觉的本质、根本原因，以及为什么现在幻觉大幅减少了。
从数据训练、提示、RAG、生成后校验到工具增强与治理，系统梳理降幻觉方案并配图对比。
按主题分类、按难度分层，含核心图解，点击展开答案。
从文本到向量空间，理解 Embedding、相似度计算与检索应用。
从海量语料学习通用能力，理解预训练的目标、过程与意义。
理解奖励、策略与反馈如何帮助模型在交互中持续优化。
预训练、微调、RLHF、SFT，理解大模型的训练与对齐流程。
文生图、图生文、多模态理解，探索跨模态AI的应用场景。