AI原生超级全栈开发工程师训练营（第二期）思维导图模板

Claude Code 与 Codex全方位使用系统介绍

Claude Code

支持平台与安装方式

Agentic Loop 工作方式

内置工具概览

MCP 扩展工具

权限模式与切换

会话管理

CLAUDE.md 持久化指令

三级作用域与加载规则

Auto Memory 自动记忆

上下文窗口与自动压缩

状态行自定义

Skill 与 CLAUDE.md 的区别

Skill 两阶段加载

Skill 文件结构与存放位置

Skill 自动与手动调用

Plugin 目录结构与清单文件

Marketplace 三类市场

Plugin 配置与安装作用域

Hooks 确定性控制

Hooks 常用事件与匹配规则

Hooks 退出码与阻止机制

Hooks stdin/stdout 数据交互

Hooks 实用示例

常用命令速查

/compact 与 /recap 区别

TUI 全屏模式与普通模式

/goal 自动迭代循环

快捷前缀 / ! @

Codex

权限模式

查看额度

计划模式

目标模式

侧边功能

派生功能

批注修改

插件机制

SKILL机制

Image Gen

Browser Use

Computer User

上下文压缩机制

记忆机制

桌面宠物

开发全流程 Superpowers 介绍、底层实现与实战

Superpowers 定位与 Skill 类型

指令优先级与 1% 规则

brainstorming 头脑风暴

HARD-GATE 硬门禁

增量审批与设计文档自审

YAGNI 原则

writing-plans 写计划

计划三段结构

executing-plans 执行计划

No Placeholders 禁止占位符

TDD 节奏的任务粒度

subagent-driven-development 子代理驱动

三角色协作与两级审查

上下文隔离与子代理状态处理

Worktree 隔离与模型选择策略

test-driven-development 测试驱动开发

RED-GREEN-REFACTOR 循环

Gate Function 五步门禁

3 次失败质疑架构

systematic-debugging 系统性调试

Iron Law 铁律与四阶段流程

verification-before-completion 完成前验证

requesting-code-review 请求代码审查

receiving-code-review 接收代码审查

反馈分级与禁止表演性同意

内置审查 vs 手动审查

finishing-a-branch 分支收尾

分支收尾六步流程

dispatching-parallel-agents 并行派发

并行派发三判断与 DOT 流程图

using-git-worktrees git worktree

writing-skills 编写自定义 Skill

Skill 的 TDD 写法

Superpowers Code Review流程

Superpowers PR  Review流程

Superpowers Review后合并代码

Worktree机制

SDD开发流程 OpenSpec 介绍、底层分析与实战

OpenSpec 定位与四条设计哲学

安装与 init 初始化

目录结构：specs

changes

config

Profile 模式：core 与 custom

Delivery 模式：both

skills

commands

AI 工具集成矩阵

第一个 change 体验

OPSX 五步工作流全景

propose：从想法到提议

Delta Spec 四种操作

RFC 2119 关键词

GIVEN/WHEN/THEN 场景描述

Artifact 状态机

Schema 定义与依赖规则

ArtifactGraph 拓扑排序

--json 与 Claude Code 自动查询

apply：按 tasks.md 逐个实现

archive：合并 Spec 并归档

sync：同步增量规格

Skill 机制：SKILL.md 的作用

openspec instructions 动态指令组装

三级 schema 查找

propose 技能 5 步流程

apply 三种状态：blocked

ready

all_done

任务解析与进度统计

中断恢复机制

archive 技能 6 步流程

双层安全检查

日期前缀归档

workspace-planning 硬阻断

三个技能对比

Vibe Coding 网站实战

vibecoder.fans网站 vibe coding实战

页面设计

首页

登录注册

帖子发布与展示

项目发布与展示

Admin管理台

付费帖子

支付宝支付接入

虎皮椒微信支付接入

付费订阅机制

自动部署到阿里云

内网穿透

Vibe Coding 微信小程序+APP实战

诗词小伴微信小程序 vibe coding实战

首页

家长中心

古诗朗读

成就海报

广告解锁

打卡系统

AI生成配音

AI生成插画

接入OSS

跨平台

Vibe Coding 桌面应用程序实战

ScreenPen桌面APP vibe coding实战

自由画笔

直线

矩形

圆形

箭头

undoStack + redoStack

快捷键

系统托盘

跨平台

多显示器支持

官网展示

官网付费下载

激活码机制

AI Agent 通用基础知识介绍

什么是AI Agent

OpenAI SDK调用DeepSeek

chat.completions.create调用

加上对话循环

messages实现多轮对话记忆

LLM生成文本的本质

Chat Completion API核心参数

四种角色

System Prompt控制行为

什么是Token

什么是上下文窗口

temperature生成参数

max_tokens生成参数

Agent为什么需要工具

Function Calling三步流程

工具Schema三要素

description决定工具是否被调用

finish_reason判断stop与tool_calls

多工具编排与同时调用

Agent执行循环

短期记忆与长期记忆

短期记忆固定窗口方案

Token预算方案

摘要压缩方案

长期记忆文件存储

什么是向量与Embedding

余弦相似度匹配

向量检索机制

向量数据库

自动记忆机制

为什么需要思考模式

模型原生思考模式（thinking参数）

reasoning_effort参数

reasoning_content字段

在Agent中集成思考模式

工具调用轮次回传reasoning_content

什么是流式输出

stream=True流式API

chunk与delta增量结构

流式对话拼接完整回复

工具调用的流式处理

SSE（Server-Sent Events）协议

原生HTTP与FastAPI转发流式

四种推理模式

Chain of Thought模式

ReAct模式

Plan-then-Execute模式

Reflection模式

四种模式对比与组合

Python LangChain 从入门到精通

什么是LangChain

四大组件

ChatModel调用模型的统一入口

三种消息类型

用@tool定义工具

create_agent组装Agent

checkpointer配合thread_id实现多轮记忆

工具三要素

自定义工具的name和description

用Pydantic定义复杂参数

工具返回值字符串/字典/return_direct

ToolRuntime访问运行时上下文

什么是短期记忆

用state_schema扩展AgentState

长对话管理三种策略

工具读写state

state与context的区别

什么是长期记忆

长期记忆载体store及namespace

store三个核心操作

配置长期记忆

什么是middleware

node-style钩子

wrap-style钩子

自定义middleware两种写法

常用内置middleware

middleware执行顺序

什么是Human-in-the-loop

interrupt_on三种配置

四种人工决策

HITL流程暂停/审批/恢复

when条件中断

什么是Stream

stream_mode三种模式

messages模式token级输出

多stream_mode组合

异步流式astream

什么是MCP

MCP Server与Client角色分工

三类能力

用FastMCP写Server

MultiServerMCPClient转Tool

两种transport

什么是RAG

Document与Text Splitter

Embedding与Vector Store

Retriever检索器

2-Step RAG与Agentic RAG

Hybrid RAG查询改写

什么是SubAgent

SubAgent包装成工具

两种实现方式

子Agent输入输出设计

同步调用与后台任务

Supervisor与Router区别

什么是Structured output

response_format几种形式

ToolStrategy结构化结果

Pydantic字段校验

三种轻量写法

handle_errors错误处理

ProviderStrategy原生JSON schema

Python LangGraph 从入门到精通

什么是LangGraph

四个核心概念

State与reducer归约机制

用Graph API搭计算器Agent

Functional API

自定义reducer合并规则

多分支条件路由

并行fan-out与fan-in

用Send做map-reduce

用Command节点内路由

什么是checkpointer

thread_id多轮记忆与隔离

get_state查看状态快照

get_state_history与time travel

update_state手动更新状态

持久化存储

什么是Human-in-the-loop

interrupt暂停流程

get_state查看暂停点

Command(resume=...)恢复执行

工具调用前人工审批

什么是Stream

stream_mode四种模式

messages模式token级输出

多stream_mode订阅

什么是子图

子图与父图共享状态键

supervisor模式多Agent协作

Command路由与LLM分类派活

recursion_limit防无限循环

预构建库langgraph-supervisor/swarm

Python DeepAgents 从入门到精通

什么是Deep Agents

filesystem surface

五大核心能力

create_deep_agent入口

环境搭建

filesystem surface介绍

六大内置文件工具

StateBackend默认存储后端

虚拟文件系统与真实磁盘

thread隔离机制

checkpointer与文件跨轮累积

可插拔Backend

FilesystemBackend落磁盘

StoreBackend跨thread持久化

CompositeBackend按路径路由

自定义Backend

什么是Skill

Skill结构

progressive disclosure三层加载

description决定Skill触发

Skill/Memory/Tool边界区分

什么是文件化Memory

文件化Memory与store记忆对比

用memory参数启用

Agent自动更新Memory

Memory作用域

task工具委托机制

用字典定义Subagent

context quarantine机制

内置general-purpose Subagent

Subagent独立配置model与tools

什么是Permission

FilesystemPermission三字段

规则先匹配先生效

隔离工作区实战

interrupt模式与HITL

什么是Sandbox

Sandbox作为Backend提供execute

LocalShellBackend本地体验

虚拟路径与execute真实路径

远程Sandbox provider

密钥不放入Sandbox的安全原则

什么是Profile

HarnessProfile与ProviderProfile

自定义middleware机制

常用功能速览

上线生产要点清单

企业级智能客服 AI Agent实战

产品需求文档PRD

UIUX原型设计文档

Pencil原型页面设计

前端原型页面React项目导出

知识库数据采集

幂等重跑设计

列表页解析与去重

网页噪声处理

知识库数据清洗

知识库数据切分

Chunk元数据设计

什么是LLM知识抽取

双产出设计

截断补全机制

抽取结果合法性校验

症状画像向量化

三种召回通道

候选合并去重

rerank精排

临床科室过滤

通道开关设计

标注测试集

Top-K准确率

评测脚本与失败分析

基线对比

泛化科室偏好处理

急诊识别机制

规则关键词兜底

LLM与规则双重判断

急诊阻断常规问诊

什么是安全护栏

闲聊拒绝

越狱防护

提示词保护

guardrail结合对话历史

什么是结构化问诊

信息充足判断

多科室竞争

消歧追问

对话历史防重复

消歧收敛机制

兜底策略

LLM推荐决策

主推与备选

推荐理由生成

结构化推荐卡片

FastAPI接口设计

SSE流式响应

前后端对接

思考态提示

推荐卡片在流内呈现

retrieve-first工作流

检索驱动判断

工作流演进过程

企业级数据分析 AI Agent 实战

产品需求文档PRD

UIUX设计文档

Pencil原型页面设计

开发规范

什么是NL2SQL

电商示例库设计

脱敏造数

只读账号

SQL安全校验

只读SELECT限制

单语句拦截

写操作关键字拦截

文件操作拦截

注释符拦截

目标表白名单

三道防线

只读账号兜底

行数上限与查询超时

测试驱动开发TDD

什么是JOIN扇出

聚合口径subtotal

schema感知

information_schema采集

字段类型与注释

主外键与关联路径

抽样取值

人工语义层

字段中文含义

枚举值与指标口径

to_prompt_text

NL2SQL生成

DeepSeek推理模型

few-shot示例库

口径对齐避免扇出

生成校验执行闭环

结果解读

业务语言结论

结论非空兜底

图表类型规则决策

柱状图折线图扇形图KPI卡

ECharts option构造

自包含HTML报告

内联echarts

autoescape防注入

意图理解

信息充足判断

多轮澄清

校验失败带反馈重试

失败兜底

前后端契约对齐

AnalysisResult三种结果

LLM输出JSON容错

收紧意图判定减少误澄清

LangGraph状态机

StateGraph节点与边

条件分支

修正重试分支

兜底分支

节点拆分chart与report

FastAPI接口设计

图表兼容kpi

SSE流式响应

LangGraph stream

逐节点进度推送

真实进度替换假动画

节点级流式与token级流式

个人助手ScriptPilot AI Agent 实战

产品需求文档PRD

口播稿生成Agent产品定位

长期记住用户偏好的记忆机制

用AI做需求与设计

UIUX设计文档

Pencil原型页面设计

FastAPI应用骨架

CORS跨域

路由前缀

注册即建每用户工作区

种子记忆文件

create_deep_agent入口

内置文件工具

什么是文件化Memory

memory参数启用记忆

Agent自动读写Memory

FilesystemBackend落磁盘

virtual_mode路径封禁

每用户root目录隔离

Memory作用域agent级与user级

checkpointer多轮连续

thread隔离机制

DeepSeek接入ChatDeepSeek

记忆静默使用不暴露

fetch_url抓链接取材

浏览器UA绕过防爬

微信公众号正文抽取

save_script发排存稿

会话表设计

会话id对齐thread_id

会话增删改查

历史消息还原agent get_state

SSE流式响应

同步stream桥接异步SSE

双流模式事件映射

token逐字事件

工具调用事件

发排存稿事件

记忆更新事件

会话标题自动更新

记忆md与结构化分节转换

风格手册读写

Java手写ReAct、Manus、OpenClaw

手写ReAct

什么是ReAct机制？

手写ReAct核心机制

手写Tool解析机制

手写Tool调用机制

开发一个游戏生成Agent

手写Manus

手写OpenAIModel

手写Message机制

手写Memory机制

手写Tool机制

手写BrowserTool

手写SandboxTool

手写TavilySearchTool

手写FileTool

手写ToolCallAgent

手写ManusAgent

手写消息过滤机制

手写工具过滤机制

手写OpenClaw

Java SDK飞书接入

ClawAgent核心Agent

主会话和飞书会话隔离

飞书消息幂等和异步处理

模版文件复制到工作空间

每日笔记功能

长期记忆功能

/new命令新开会话功能

文件读写工具

更新记忆工具

Shell命令工具

启动引导机制

自我进化机制

SOUL.md文件

USER.md文件

IDENTITY.md文件

TOOLS.md文件

AGENTS.md文件

BOOTSTRAP.md文件

SKILL调用机制支持

内置SKILL机制支持

第三方SKILL扩展机制支持

agent-browser技能实战

find-skills技能实战

上下文自动压缩

Spring AI 与 Spring AI Alibaba 从入门到精通

Spring AI

普通聊天、流式响应、SSE响应

设置系统提示词、结构化输出

自定义CallAdvisor、ChatMemory

文本向量化、向量化模型、向量数据库

自定义Splitter、ElasticSearch向量存储和搜索

Query压缩、Query重写、Query扩写

手写RAG机制、幻觉评估

工具定义、工具执行、工具结果转换

工具结果直接返回、手动控制工具机制

@Tool和@ToolParam、ToolCallback定义工具

工具执行异常处理机制

什么是MCP？Spring AI中如何使用MCP机制？

使用Cherry Studio作为MCP Client实战

STDIO模式、SSE模式、Streamable-HTTP模式

@MCPTool定义工具以及客户端获取工具

@McpPrompt定义提示词以及客户端获取提示词

@McpResource定义资源以及客户端获取资源

Spring AI Alibaba

Spring AI Alibaba快速使用

RetrievalRerankAdvisor重排序

DashScopeRerankPostProcessor重排序

基于Qwen-Long文件对话

Markdown解析组件

PDF解析组件

百度搜索组件

Spring AI Alibaba Graph 与 Spring AI Alibaba Agent Framework 从入门到精通

Spring AI Alibaba Graph

什么是StateGraph？什么是工作流？

NodeAction、Edge、EdgeCondition

KeyStrategyFactory、OverAllState

ThreadId、Checkpoint

CompileConfig、RunnableConfig

工作流流式输出、节点流式输出

静态人类反馈、动态人类反馈

工作流中断、工作流继续执行

并行节点、子图

MemorySaver短期记忆

MemoryStore长期记忆

Spring AI Alibaba Agent Framework

ReactAgent基本使用

ReactAgent核心底层原理

ToolContext工具上下文

短期记忆与长期记忆

流式输出

Hook机制

Interceptor机制

人类反馈机制

命令行工具

模型调用限制

个人敏感信息探测

聊天记录总结

工具调用限制

上下文编辑

文件系统

模型调用降级和工具执行修复

待办列表

工具相关性过滤

工具大结果文件驱逐

工具执行结果模拟

工具执行失败重试

工具执行异常处理

串行SequentialAgent

并行ParallelAgent

自定义FlowAgent

路由LlmRoutingAgent

Agentic RAG

A2A Agent

Nacos实现A2A多Agent通信

AgentScope-Java 从入门到精通

简单入门

工具系统

MCP

Agent Skill

RAG和流式响应

Hook钩子系统

Human-in-the-Loop

短期记忆

Mem0长期记忆

PlanNotebook

多模态

结构化输出

Studio可视化调试

AG-UI协议

A2A协议

llms.txt

管道

MsgHub

多智能体辩论

Spring AI 智能问诊客服系统项目实战

医院科室信息获取机制

医院科室信息总结机制

医院科室信息知识点切分机制

医院科室信息向量存储机制

RAG流程实现

提示词工程优化问诊系统系统提示词

优化问诊系统Query扩写机制

添加自动挂号工具（需要用户确认）

使用MySQL做为长期记忆存储

DeepResearch深度研究AI Agent项目实战

意图识别

制定计划

串行执行

并行执行

报告生成

中间过程流式输出

工具执行观测机制

搜索机制

Data AI数据分析AI Agent项目实战

数据库信息向量化初始化

关键字提取

表信息召回

字段信息召回

生成计划

执行计划

自然语言生成SQL（nl2sql）

SQL执行

SQL执行失败重试

人类反馈修改计划

报告生成

大模型底层必备基础知识

学习目标：我知道你很想马上就能手写一个大模型出来，但是课程是系统的，目标是希望大家能系统性的掌握大模型底层相关的所有知识，所以会从最基础的知识开始讲解，然后再逐步深入

Python基础

Python基础：基本语法介绍与使用

Python基础：核心数据类型介绍与使用

Python基础：Str字符串高级操作

Python基础：Tuple元组高级操作

Python基础：List列表高级操作

Python基础：Dict字典高级操作

Python基础：Set集合高级操作

Python基础：类与函数相关操作

PyTorch基础

PyTorch基础：CPU版本与GPU版本PyTorch安装流程介绍

PyTorch基础：数组、向量、矩阵、张量的区别是什么？

PyTorch基础：向量的基本操作与高级操作

PyTorch基础：矩阵的基本运算与高级操作

PyTorch基础：向量点积、矩阵乘法

PyTorch基础：矩阵点乘、矩阵批量乘法

PyTorch基础：什么是广播机制？是如何运算的？

PyTorch基础：PyTorch中的自动求导机制

PyTorch基础：Dataset和DataLoader基本使用

PyTorch基础：PyTorch中其他常用函数介绍与使用

数学基础

数学基础：什么是求导？为什么机器学习中需要求导？

数学基础：机器学习中常见求导公式有哪些？

数学基础：什么是链式法则？链式法则是如何运算的？

数学基础：什么是平方误差？优缺点是什么？

数学基础：什么是交叉熵？机器学习中是如何利用的？

数学基础：什么是正态分布？哪些场景会用到正态分布？

数学基础：什么是均匀分布？哪些场景会用到均匀分布？

神经网络理论分析、手写、实战

学习目标：这个专题不仅仅是大模型领域的基础，而且是整个机器学习领域的基础，所以学好这个专题，对于理解除大模型领域之外的其他机器学习领域都非常重要

理论：什么是感知机？什么是多层感知机MLP？

理论：什么是前向传播？作用是什么？

理论：什么是反向传播？作用是什么？

理论：什么是梯度下降？作用是什么？

理论：什么是SGD随机梯度下降？

理论：什么是Mini-Batch梯度下降？

理论：什么是Learning Rate学习率？

理论：什么是Bias偏置？作用是什么？

理论：什么是Activation Function激活函数？

理论：神经网络中有哪些常见的激活函数？

理论：什么是Loss Function损失函数？

理论：神经网络中有哪些常见的损失函数？

理论：什么是全连接层（FC层）？有哪些使用场景？

理论：什么是嵌入层（Embedding层）？有哪些使用场景？

理论：什么是归一化？作用是什么？

理论：什么是正则化？作用是什么？

理论：什么是Dropout随机失活？作用是什么？

理论：什么是梯度消失？什么情况会出现梯度消失？

理论：什么是梯度爆炸？什么情况会出现梯度爆炸？

理论：什么是梯度裁剪？为什么要进行梯度裁剪？

手写：手写线性回归经典模型

手写：手写多标签分类经典模型

实战：房价预测模型实战

实战：图像识别模型实战

实战：股价预测模型实战

实战：文本分类模型实战

实战：模型可视化实战

自然语言处理理论分析、手写、实战

学习目标：像ChatGPT、DeepSeek本质上就是语言生成，仍然属于NLP领域，所以需要大家先掌握NLP领域中相关的基础知识

理论：什么是One-Hot编码？有哪些使用场景？

理论：什么是Bag-of-Words词袋模型？优缺点是什么？

理论：什么是Word2Vec模型？优缺点是什么？

理论：什么是SkipGram跳词模型？优缺点是什么？

理论：什么是CBOW连续词袋模型？优缺点是什么？

理论：什么是N-Gram模型？优缺点是什么？

理论：NLP经典之RNN循环神经网络模型详解

理论：NLP经典之LSTM长短期记忆网络模型详解

理论：NLP经典之GRU门控循环单元模型详解

理论：NLP经典之Seq2Seq序列到序列模型详解

手写：手写词向量模型

手写：手写RNN循环神经网络模型

手写：手写LSTM长短期记忆网络模型

手写：手写GRU门控循环单元网络模型

手写：手写Seq2Seq网络模型

实战：Bag-of-Words实战

实战：Word2Vec之SkipGram实战

实战：Word2Vec之CBOW实战

实战：N-Gram实战

实战：RNN文本生成实战

实战：RNN股价预测实战

实战：LSTM文本生成实战

实战：GRU文本生成实战

实战：Seq2Seq机器翻译实战

Transformer理论、手写、实战

学习目标：Transformer是近几年最火的神经网络架构了，ChatGPT、DeepSeek等LLM都来源于此架构，掌握了Transformer，就相当于掌握了LLM的最核心、最精髓的部分

论文：《Attention Is All You Need》论文解析

理论：什么是Attention注意力？如何理解注意力机制

理论：什么Attention Score注意力分数？作用是什么？

理论：什么是Attention Weight注意力权重？作用是什么？

理论：什么是QKV？如何理解Q、K、V？作用分别是什么？

理论：QKV的推导过程是什么怎样的？

理论：什么是缩放Attention注意力？使用场景是什么？

理论：什么是Self-attention自注意力？使用场景是什么？

理论：Multi-head Self-attention多头注意力机制详解

理论：Masked Self-attention掩码自注意力机制详解

理论：什么是Causal Mask因果掩码？使用场景是什么？

理论：什么是Positional Encoding位置编码？作用是什么？

理论：有哪些方式可以实现位置编码？

理论：什么是Residual Connection残差连接？作用是什么？

理论：什么是Layer Norm层归一化？作用是什么？

理论：什么是温度采样？什么情况下要进行温度采样？

理论：什么是多项式采样？什么情况下要进行多项式采样？

理论：什么是Teacher Forcing教师强制？使用场景有哪些？

理论：自注意力机制和RNN优缺点对比

理论：Transformer整体网络架构详解

理论：Transformer Encoder架构详解

理论：Transformer Decoder架构详解

手写：手写Self-attention自注意力机制

手写：手写Multi-head Self-attention多头注意力机制

手写：手写Positional Encoding位置编码机制

手写：手写Feed Forward机制

手写：手写Encoder编码器架构

手写：手写Decoder解码器架构

手写：手写Transformer整体网络架构

实战：用自己手写的Transformer实战机器翻译

实战：用PyTorch提供的Transformer实战机器翻译

实战：Transformer专业领域文本生成模型实战

LLM大语言模型理论、手写、实战

学习目标：带大家手写从Transformer衍生出来的最重要的两个方向：GPT和BERT，并用真正的数据训练出一个我们自己大语言模型，然后微调出一个像ChatGPT和DeepSeek那样知道怎么聊天、怎么回答问题的模型，最后进行模型部署和使用

理论：Transformer有哪些变体？使用场景分别是什么？

理论：什么是BERT？它的特点是什么？使用场景有哪些？

理论：什么是GPT？它的特点是什么？使用场景是什么？

理论：什么是MLM掩码语言模型？底层是如何工作的？

理论：什么是NSP下一句预测？底层是如何工作的？

理论：什么是单向语境？什么是双向语境？

理论：Encoder-Only网络模型架构详解

理论：Decoder-Only网络模型架构详解

理论：什么是Autoregressive自回归模型？什么场景下使用？

理论：大型数据集如何获取？有哪些获取方式？

理论：大型数据集数据预处理怎么做？有哪些常用方式？

理论：BertTokenizer与GPT2Tokenizer的区别是什么？

理论：什么是预训练？什么是微调？

理论：为什么要微调？微调的优缺点是什么？

理论：LoRA微调机制是如何工作的？为什么它高效？

理论：什么是推理大模型？推理过程是如何实现的？

理论：什么是KV Cache？为什么需要KV Cache？

理论：什么是MLA、GQA、MQA等高级注意力机制?

理论：什么MoE混合专家模型？为什么都在用它？优点是什么？

理论：什么模型蒸馏？什么是白盒蒸馏？什么黑盒蒸馏？

手写：手写实现BERT网络模型

手写：手写实现GPT网络模型

手写：手写DeepSeek之推理大模型

手写：手写DeepSeek之KV Cache机制

手写：手写DeepSeek之GQA分组查询注意力机制

手写：手写DeepSeek之MQA多头查询注意力机制

手写：手写DeepSeek之混合专家模型MoE机制

实战：BERT模型实战文本分类

实战：GPT模型实战文本生成

实战：PyTorch预训练一个亿级参数量GPT模型

实战：HuggingFace预训练大模型实战

实战：HuggingFace微调大模型实战

实战：用LoRA微调GPT模型为一个Chat GPT模型实战

实战：全量微调一个问答ChatBot聊天机器人大模型实战

实战：LoRA微调Qwen3大模型实战

实战：服务器部署GPT模型与流式推理输出实战

实战：LLaMA-Factory微调Qwen3大模型实战

实战：LLaMA-Factory微调DeepSeek-R1大模型实战

实战：DeepSeek之模型蒸馏之黑盒蒸馏

实战：DeepSeek之模型蒸馏之白盒蒸馏

多模态大模型理论、手写、实战

理论：什么是CNN卷积神经网络

理论：什么是卷积核？它的作用是什么？

理论：什么是池化层？它的作用是什么？

理论：什么是最大池化？什么是平均池化？

理论：什么是RestNet？

理论：什么是ImageNet?

理论：什么是Vision Transformer（ViT）？

理论：Vision Transformer和普通Transformer有什么区别？

理论：什么Clip多模态模型？它的特点是什么？

理论：什么是对比学习？

理论：什么是Diffusion Model扩散模型？

理论：什么是Stable Diffusion？

理论：什么是U-Net？

理论：什么是VAE？

理论：U-Net在Stable Diffusion中的作用是什么？

理论：VAE在Stable Diffusion中的作用是什么？

理论：文生图模型的底层实现原理是什么？

理论：图生文模型的底层实现原理是什么？

手写：手写Vision Transformer网络

手写：手写Clip图文匹配多模态大模型

手写：手写LLaVa图生文多模态大模型

手写：手写U-Net网络模型

手写：手写VAE网络模型

手写：手写Stable Diffusion多模态大模型

实战：卷积神经网络图像识别实战

实战：Vision Transformer图像识别实战

实战：Clip多模态大模型文搜图实战

实战：LLaVA多模态大模型图生文实战

实战：U-Net图像分割实战

实战：VAE图像生成实战

实战：Stable Diffusion多模态大模型文生图实战

强化学习理论、手写、实战

理论：什么是强化学习？和深度学习的区别是什么？

理论：什么是环境、状态、奖励、轨迹？

理论：什么是Q-Learning算法？

理论：什么是Q表？

理论：什么是当前奖励？

理论：什么是未来奖励？

理论：Q-Learning算法的缺点是什么？

理论：什么是DQN算法？为什么需要DQN算法？

理论：什么是REINFORCE算法？

理论：REINFORCE算法的缺点是什么？

理论：什么是策略网络？

理论：什么是价值网络？

理论：什么是A2C算法？

理论：什么是Actor行动者？

理论：什么是Critic评论家？

理论：什么是Advantage优势？

理论：什么是PPO算法？

理论：PPO算法的优势和特点是什么？

理论：什么是PPO算法的截取？意义是什么？

理论：什么是GRPO算法？

理论：GRPO算法的优势和特点是什么？

理论：GRPO算法中的组该如何理解？

理论：GRPO算法中为什么去掉了Critic网络？

手写：手写实现Q-Learning算法

手写：手写实现DQN算法

手写：手写实现REINFORCE算法

手写：手写实现A2C算法

手写：手写实现PPO算法

手写：手写实现GRPO算法

实战：Q-Learning算法简单迷宫游戏实战

实战：Q-Learning算法秘境寻宝游戏实战

实战：DQN算法秘境寻宝游戏实战

实战：REINFORCE算法秘境寻宝游戏实战

实战：A2C算法秘境寻宝游戏实战

实战：PPO算法秘境寻宝游戏实战

实战：GRPO算法秘境寻宝游戏实战

实战：GRPO算法微调Qwen3实战

Figma 从基础介绍到高级实战

Figma的基本介绍

Figma Claude Code Plugin的安装和介绍

frontend-design设计页面转Figma设计稿

设计稿和前端代码双向同步

设计稿精确还原为代码

Figma的免费和付费制

Pencil 从基础介绍到高级实战

Pencil的基本介绍

Pencil自定义使用本地Claude Code

Pencil MCP介绍

Pencil直接设计页面

Pencil设计稿和代码直接的双向同步方式

现有代码转换为设计稿

设计稿精确还原为React代码

OpenDesign 从基础介绍到高级实战

OpenDesign的基本介绍

OpenDesign的设计系统

OpenDesign对接本地Claude Code

OpenDesign+DeepSeek设计响应式多页面

修改设计稿

设计稿精确还原为Vue代码

AI独立开发者之需求设计

如何从自身寻找需求？

五个问题帮你从自身找到需求

如何快速且准确的记录你的灵感

记录需求时，你需要写清楚的四件事

如何从外部寻找需求？

四种方式帮你从外部寻找需求

七个让你找需求的外部渠道

如何从海外产品和海外用户反馈中寻找需求

如何筛选出需求？

六大步骤帮你筛选需求

给你一张好用的需求筛选表

如何提前验证需求？

验证需求之前，你应该先做哪些准备

四个步骤帮你提前验证需求

四种方法帮你低成本进行需求验证实验

什么样的结果算验证通过？

打造自己的需求调研AI工作流

如何用AI来帮助你进行需求调研

十三个AI提示词组合成需求调研AI工作流

AI进行需求调研的六大误区

如何用AI生成一份适合独立开发的需求PRD

一份 MVP PRD 应该包含的十四个要素

如何判断 PRD 是否已经可以进入 UI/UX 设计？

需求PRD生成、压缩、整理的AI提示词

独立开发产品有哪些变现方式

独立开发产品如何接入付费变现功能

个人/个体工商户/有限公司有什么区别

AI独立开发者之产品设计

什么是UI？什么是UX？区别是什么？

UI设计的重点是什么？

UX设计的重点是什么？

独立开发者必须掌握的五条UI设计原则

独立开发者必须掌握的六条UX设计原则

AI 产品（AI Agent）特别需要注意的六个状态

独立开发者设计产品时一定要记住的六大原则

AI独立开发者之产品上架

支付Skill帮助产品快速接入支付功能

虎皮椒支付开通流程

虎皮椒支付的工作原理

网站自动化阿里云部署流程

网站自动化Vercel部署流程

网站ICP审核全流程介绍

小程序发布注意事项

小程序上架流程

苹果APP上架流程

ICP备案和开发者账号

非官方渠道发布应用方式

AI独立开发者之推广运营

如何打造自己的独立开发IP

如何为自己开发的产品引流

如何产出爆款视频或文章

如何用AI来高效做自媒体

第三期新增（正在准备） 新增内容会涨价，预计涨价900 现在报名第二期可免费学第三期

手写 Claude Code

Claude Code源码解析

适合人群

会编程即可

不限语言

不限学历

不限基础

不限经验

课程亮点

包教包会，不会再学

面试辅导，全程陪伴

课程内容全、细、深

以升职、加薪为目标

对标岗位

AI全栈开发工程师

AI Agent开发工程师

AI应用开发工程师

大模型底层开发工程师

大模型算法工程师

FDE工程师

AI独立开发者

课程咨询