笔记
AI 学习笔记
正在初始化搜索引擎
    • 首页
    • 职场调研
    • 知识宝典
    • 股票专栏
    • AI学习笔记
    • 考驾照
    • 首页
    • 职场调研
      • 2026 资深程序员按学习难度排的路线图
      • 2026 资深程序员知识宝典大纲
      • 2026 资深程序员与软件开发岗位技能要求调研
        职场调研 · 第 2 篇 · 291 条资深岗样本 · 腾讯 + 字节 careers 实测
      • 2026 程序员与软件开发岗位招聘要求调研
        职场调研 · 第 1 篇 · 14 条真实 JD + 19 条招聘帖标题 + 20 条实习 SSR 元数据
    • 知识宝典
      • 编程语言精进
        • 1.1.1 Go 并发底层 · GMP 调度器源码走读
        • 1.1.2 Go 实战 · goroutine 泄露排查与 errgroup 范式
        • 1.1.3 Go 性能调优 · pprof 与 trace 工具链
        • 1.1.4 Go 1.22+ 新特性 · Pin / range over int / timer 改进
        • 1.2.1 Java 性能与调优 · JVM 内存模型与 GC 算法全对比
        • 1.2.2 Java 性能与调优 · G1 / ZGC / Shenandoah 选型决策树
        • 1.2.3 Java 性能与调优 · async-profiler 与 JFR 实战
        • 1.2.4 Java 性能与调优 · synchronized / AQS / JMM happens-before 实战
        • 1.2.5 Java 性能与调优 · 类加载机制与 Tomcat 打破双亲委派
        • 1.3 Python 高级特性 · 写出生产级 Python
        • 1.3.1 Python 异步深度 · asyncio 从源码到生产
        • 1.3.2 Python 类型系统 · mypy 在大型项目的落地
        • 1.3.3 Python 性能调优 · 从 py-spy 到 Cython 的全链路
        • 1.3.4 Python 包管理 · 从 pip 到 uv 的现代工作流
        • 1.3.5 Python 测试 · pytest 从入门到测试金字塔
        • 1.3.6 Python 调试与日志 · 从 pdb 到 structlog 的可观测性
        • 1.4.1 C++ 17/20/23 核心特性速通
        • 1.4.2 C++ RAII 与移动语义
        • 1.4.3 CUDA C++ 入门
        • 1.5.1 Rust 所有权系统 · Borrow Checker 心智模型
        • 1.5.2 Async Rust · pin / Future / Stream 实战
        • 1.6.1 TypeScript 类型体操 · 类型系统升维到编译期架构师
          Generics / Conditional / Mapped / Template Literal / Infer 五大件套 + Branded / Discriminated Union / 工程化
        • 1.6.2 Rust 异步生态 · Tokio 与 Axum 实战
      • AI 与大模型工程
        • 2.1.1 LLM 部署 · vLLM / TGI / TensorRT-LLM 对比
        • 2.1.2 闭源 API 选型矩阵 · GPT-4o / Claude / Gemini / 国产
        • 2.1.3 LLM 服务化 · LiteLLM / OneAPI / OpenRouter / LangServe 对比
        • 2.1.4 模型蒸馏 · Knowledge Distillation 能力迁移
        • 2.2.1 Agent 四大模式 · ReAct-Plan-Execute-ReWOO-Reflexion
        • 2.2.2 Tool Use 协议 · Function Calling · Anthropic Tool · MCP
        • 2.2.3 Claude Agent SDK vs LangChain vs AutoGen 真实对比
        • 2.3.1 Embedding 选型 · OpenAI · Cohere · BGE · M3E · E5
        • 2.3.2 文档分块策略 · 字符 · 语义 · 递归 · LLM
        • 2.3.3 Hybrid Search · 混合检索稀疏密集 RRF
        • 2.4.1 Prompt 工程基础 · 结构化模板与 Few-Shot
        • 2.4.2 高级推理 · CoT · ToT · ReAct 范式
        • 2.4.3 Prompt 实验台与评估方法
        • 2.5.1 微调数据准备 · 标注 · 清洗 · 增强
        • 2.5.2 LoRA / QLoRA / 全参数微调选型
        • 2.5.3 DPO / PPO / GRPO 偏好对齐对比
        • 2.6.1 向量检索原理 · IVF / HNSW / PQ / ScaNN
        • 2.6.2 向量库选型 · Faiss/Milvus/Qdrant/Weaviate/Chroma/pgvector
        • 2.7.1 LLM 可观测性 · Langfuse / Phoenix / OpenLLMetry
      • 架构设计进阶
        • 3.1.1 CAP / PACELC / BASE 的工程含义
        • 3.1.2 共识算法 · Paxos / Raft 源码级理解(etcd-raft 走读)
        • 3.1.3 分布式事务 · 2PC / TCC / Saga / 本地消息表对比
        • 3.2.1 SLO / SLA / SLI 三层指标体系
        • 3.2.2 限流 / 熔断 / 降级 / 隔离(Sentinel / Hystrix / Resilience4j)
        • 3.2.3 多活架构 · 同城双活 / 异地多活 / 两地三中心
        • 3.3.1 K8s 核心对象 · Pod / Deployment / StatefulSet / DaemonSet
        • 3.3.2 K8s Operator · kubebuilder 写一个真实 Operator
        • 3.4.1 微服务拆分 · 4 个原则(单一职责/业务边界/数据独立/团队匹配)
        • 3.4.2 服务发现 / 配置中心 / API 网关选型
        • 3.4.3 Service Mesh vs 传统 SDK 治理 · Istio / Linkerd / Envoy 对比
        • 3.5.1 DDD 战略设计 · 限界上下文 / 上下文映射
        • 3.5.2 DDD 战术设计 + 事件风暴工作坊实战
        • 3.6.1 事件驱动架构 · Event Sourcing / CQRS 深度实战
        • 3.6.2 高性能架构四件套 · 缓存 / 异步 / 池化 / 分片
      • 数据与存储
        • 4.1.1 数据库范式 · 1NF / 2NF / 3NF / BCNF 工程实践
        • 4.1.2 MySQL 深度 · InnoDB 引擎 / 索引 / 事务 / 锁机制
        • 4.1.3 PostgreSQL 深度 · vs MySQL + CTE + 窗口函数 + JSONB
        • 4.1.4 分库分表 · 垂直拆分 / 水平拆分 / ShardingSphere / TiDB
        • 4.2.1 Redis · 6 大数据结构底层实现 + 高可用架构
        • 4.2.2 MongoDB · 文档模型与关系模型转换 + 索引 + 分片实战
        • 4.2.3 Cassandra · 一致性级别 + 架构 + 数据建模
        • 4.3.1 Lambda / Kappa 架构选型 + 数据湖三选一(Hudi / Iceberg / Delta Lake)
        • 4.3.2 Spark Structured Streaming vs Flink 真实对比
        • 4.4.1 时序数据库 · InfluxDB / TDengine / TimescaleDB 对比
        • 4.4.2 图数据库 · Neo4j / NebulaGraph / JanusGraph 对比
        • 4.5.1 消息队列 · Kafka / RocketMQ / Pulsar 深度对比
        • 4.5.2 搜索引擎 · Elasticsearch / OpenSearch 深度对比
        • 4.5.3 OLAP 分析引擎 · ClickHouse / Doris / StarRocks 对比
      • 性能与可靠性
        • 5.1.1 USE / RED 方法 · CPU/内存/磁盘/网络四件套
        • 5.1.2 实战 · 一次「系统卡顿 3 周」的完整排查
        • 5.2.1 压测工具 · JMeter / Locust / wrk / k6 / Gatling 对比
        • 5.2.2 流量染色 / 全链路隔离 / 数据脱敏三件套
        • 5.3.1 Chaos Engineering 原则 + ChaosBlade / Litmus / Gremlin 对比
        • 5.3.2 故障注入清单(网络/进程/资源/时间)+ 真实案例
        • 5.4.1 Metrics / Logs / Traces 三支柱 + Prometheus + Grafana + Tempo
        • 5.4.2 SLO 驱动的告警体系 · 错误预算 + OpenTelemetry 标准化
      • 工程效能
        • 6.1.1 CI/CD 流水线编排 · GitHub Actions / GitLab CI / Argo Workflows 对比
        • 6.1.2 发布策略 · 金丝雀 / 蓝绿 / 灰度 + ArgoCD GitOps 实战
        • 6.2.1 GitFlow / GitHubFlow / Trunk-based 三种模式对比
        • 6.2.2 大型 monorepo 的 Git 策略(partial clone / sparse checkout)
        • 6.3.1 SonarQube 自定义规则开发
        • 6.3.2 Code Review 文化 · 怎么避免流于形式
        • 6.4.1 DORA 四指标 + SPACE 框架
        • 6.4.2 度量陷阱 · Goodhart's Law + 局部优化
      • 安全与合规
        • 7.1.1 OWASP Top 10 2025 实战防御 · SQL 注入 / XSS / CSRF / SSRF / IDOR
        • 7.1.2 身份认证 · OAuth 2.0 / OIDC / SAML 选型
        • 7.2.1 等保 2.0 五大层面实战
        • 7.2.2 数据脱敏 / 加密存储 / 访问审计三件套
      • 软实力与职业
        • 8.1 架构演进案例复盘 · 写一篇架构演进史
        • 8.2 技术管理转身 · 从贡献者到领导者
        • 8.3 跨团队协作 · 跨部门项目的真相
        • 8.4 技术分享与布道 · 怎么讲一场 60 分钟的好分享
        • 8.5 技术写作 · 写一篇让 1 万人读懂的技术文章
        • 8.6 职业生涯规划 · 技术人 5 年 / 10 年发展路径
        • 8.7 系统设计面试 8 步法 · 高频 30 问
        • 8.8 面试求职 STAR 与谈薪
        • 2026-07-13 普跌资金流解读
        • 2026-07-13 收盘复盘
        • 2026-07-13 盘后正式复盘
        • 2026-07-14 盘后正式复盘
        • 2026-07-15 盘后正式复盘
        • 2026-07-16 盘后正式复盘
        • 2026-07-17 盘后正式复盘
        • 2026-07-19 周日复盘
    • 股票专栏
      • 01 · 入门基础
        • 01 · A 股的本质与散户生存法则
          第 1 篇
        • 02 · A 股运作机制全图
          第 2 篇
        • 03 · 散户的三件套工作流
          第 3 篇
      • 02 · 看懂公司
        • 01 · 三表阅读实战
          第 1 篇
        • 02 · 财务造假识别与排雷清单
          第 2 篇
        • 03 · ROE 与杜邦:看穿盈利质量
          第 3 篇
        • 04 · 估值的三大方法与实战
          第 4 篇
      • 03 · 选股与行业
        • 01 · 行业研究的 5 步法
          第 1 篇
        • 02 · 行业生命周期与景气度
          第 2 篇
        • 03 · 护城河与安全边际
          第 3 篇
        • 04 · 板块关系与产业链联动矩阵
          第 4 篇
      • 04 · 心理与策略
        • 01 · 散户心理与认知陷阱
          第 1 篇
        • 02 · 逆向投资与情绪面
          第 2 篇
        • 03 · 板块轮动的底层规律
          第 3 篇
      • 05 · 实战案例
        • 01 · 熊市底部与杠杆出清
          第 1 篇
        • 02 · 牛市狂热与一字板陷阱
          第 2 篇
        • 03 · 政策冲击与监管演变
          第 3 篇
      • 06 · 量化与跨境
        • 01 · A 股量化的入门与约束
          第 1 篇
        • 02 · 量化策略实战与回测避坑
          第 2 篇
        • 03 · 美股港股与跨境配置
          第 3 篇
      • 07 · 工具与实操
        • 01 · 交易成本与盈亏临界
          第 1 篇
        • 02 · 网格交易原理与参数
          第 2 篇
        • 03 · 条件单与盘口实战
          第 3 篇
        • 04 · 网格选股工具与下载
          第 4 篇
      • 08 · 估值与周期
        • 01 · 周期股与成长股估值差异
          第 1 篇
        • 02 · 现金流 / 复利 / 宏观分析
          第 2 篇
        • 03 · 另类数据与情绪指标
          第 3 篇
        • 04 · 估值体检数据快照
          第 4 篇
      • 09 · 体系方法论
        • 01 · A 股深度方法论汇总
          第 1 篇
        • 02 · 选股决策的量化框架
          第 2 篇
        • 03 · 终极心法:体系闭环
          终篇
    • AI学习笔记
      • 第 1 周 基础筑基
        • Day01-Python 基础速通
          AI 学习笔记 · 基础筑基周 · 第 1 篇
        • Day02-线性代数核心
          AI 学习笔记 · 基础筑基周 · 第 2 篇
        • Day03-微积分与梯度
          AI 学习笔记 · 基础筑基周 · 第 3 篇
        • Day04-概率统计基础
          AI 学习笔记 · 基础筑基周 · 第 4 篇
        • Day05-工具链
          AI 学习笔记 · 基础筑基周 · 第 5 篇
        • Day06-线性回归手写实现
          AI 学习笔记 · 基础筑基周 · 第 6 篇
        • Day07-第 1 周复盘与 Titanic
          AI 学习笔记 · 基础筑基周 · 第 7 篇
      • 第 2 周 经典机器学习
        • Day08-分类问题
          AI 学习笔记 · 经典机器学习周 · 第 8 篇
        • Day09-决策树与随机森林
          AI 学习笔记 · 经典机器学习周 · 第 9 篇
        • Day10-梯度提升
          AI 学习笔记 · 经典机器学习周 · 第 10 篇
        • Day11-SVM 与核方法
          AI 学习笔记 · 经典机器学习周 · 第 11 篇
        • Day12-聚类与降维
          AI 学习笔记 · 经典机器学习周 · 第 12 篇
        • Day13-模型评估与调参
          AI 学习笔记 · 经典机器学习周 · 第 13 篇
        • Day14-第 2 周复盘与 MLPipeline
          AI 学习笔记 · 经典机器学习周 · 第 14 篇
      • 第 3 周 深度学习
        • Day15-神经网络基础
          AI 学习笔记 · 深度学习周 · 第 15 篇
        • Day16-PyTorch 入门
          AI 学习笔记 · 深度学习周 · 第 16 篇
        • Day17-CNN
          AI 学习笔记 · 深度学习周 · 第 17 篇
        • Day18-RNN 与 LSTM
          AI 学习笔记 · 深度学习周 · 第 18 篇
        • Day19-Transformer 深入
          AI 学习笔记 · 深度学习周 · 第 19 篇
        • Day20-训练技巧
          AI 学习笔记 · 深度学习周 · 第 20 篇
        • Day21-第 3 周复盘与图像分类项目
          AI 学习笔记 · 深度学习周 · 第 21 篇
      • 第 4 周 大模型与生成式AI
        • Day22-预训练范式与 Tokenization
          AI 学习笔记 · 大模型与生成式 AI 周 · 第 22 篇
        • Day23-LLM 原理与 ScalingLaws
          AI 学习笔记 · 大模型与生成式 AI 周 · 第 23 篇
        • Day24-PromptEngineering 与 CoT
          AI 学习笔记 · 大模型与生成式 AI 周 · 第 24 篇
        • Day25-微调与 LoRA
          AI 学习笔记 · 大模型与生成式 AI 周 · 第 25 篇
        • Day26-RAG 与向量数据库
          AI 学习笔记 · 大模型与生成式AI周 · 第 26 篇
        • Day27-多模态 CLIP 与扩散模型
          AI 学习笔记 · 大模型与生成式AI周 · 第 27 篇
        • Day28-第 4 周复盘与 LLM 应用项目
          AI 学习笔记 · 大模型与生成式AI周 · 第 28 篇
      • 第 5 周 AIAgent前沿
        • Day29-AIAgent 基础
          AI 学习笔记 · AIAgent前沿周 · 第 29 篇
        • Day30-多 Agent 系统与毕业项目
          AI 学习笔记 · AIAgent 前沿 · 第 30 篇
    • 考驾照
      • 科目二 C2 · 全流程操作手册
      • 科目三 C2 · 全流程操作手册

    AI学习笔记首页

    AI 学习笔记按 30 天学习计划沉淀,从 Python 基础、线性代数、概率统计,到机器学习、深度学习,再到 LLM、Agent。每篇独立可读,讲透一个主题,适合零基础读者系统阅读。

    按周入口:

    • 第 1 周 基础筑基
    • 第 2 周 经典机器学习
    • 第 3 周 深度学习
    • 第 4 周 大模型与生成式 AI
    • 第 5 周 AI Agent 前沿