AI 知识体系读本
每个节点下最多 3 条精选：最好的免费资源、只在明显更好时才列的付费资源、一个项目。排序永远不看佣金（我们怎么选）。
从这里开始LLM：模型怎么工作 →
1Token
The464best1266way835to284learn2193is318to284
你的文字被切成模型认识的小块，每块有一个编号。
2向量
每个 token 变成一串数字，代表它的含义。
3层
几十层网络让每个 token 回看其他 token，并更新自己的数字。
4下一个 token 的得分
- build
- start
- practise
- read
- code
模型认识的每个 token 都有一个概率，这里是最高的五个。
5接上它，再来一遍
Thebestwaytolearnistobuild
变长的句子重新输入，一次一个 token，直到模型选中表示「结束」的那个 token。
图谱的核心
其余内容最依赖的 14 个节点：别的节点把它们列为先修，各画像的路线也都经过它们。每个框都通向它的那一节。
L0
L1
L2
L3
L4
L5
L5
L6
怎么读
从头读到尾，就能建立起一个完整的 AI 知识体系：七层，自下而上按先修关系排，越往上越贴近工作、变得越快。每层先讲它解决什么、各部分怎么连成一条线、资深工程师可以跳过什么，然后给「推荐前十」和一张完成标准自测表；细节（每条精选的证据、落选的理由、复现项目的规格）在 nodes/ 里，人物、论文、公司、媒体在 entities/ 里，用 [[wikilink]] 随手点进去。规则、字段、同步机制在 README.md，不在这里重复。
怎么读
| 层 | 一句话 | 半衰期 | 读法 |
|---|---|---|---|
| L0 数学与 CS 底子 | 读论文时公式不跳过 | 稳定 | 按需：哪一步读不动，回来补哪一块 |
| L1 ML / DL 基础 | 从零训一个小网络，讲清泛化 | 稳定 | 学一次 |
| L2 LLM 核心 | 从零写并训一个 GPT，讲清预训练到对齐 | 慢变（1–3 年） | 学一次，每年复习一轮 |
| L3 系统与基础设施 | 会讲服务系统设计，部署过一次 | 快变 | 只收官方文档 + 一次动手 |
| L4 应用工程 | 一个带常驻 evals 的生产级 RAG 或 agent | 快变（以月计） | 官方文档 + 自己做过的项目，每季度重看 |
| L5 行业脉络 | 讲清三次浪潮；每周跟流，观点带日期入库 | 历史稳定，前沿是流 | 历史学一次；前沿订阅不收藏 |
| L6 职业与市场 | 六块面试肌肉各有节奏，目标公司清单带流程 | 最快 | 只在冲刺期高权重 |
两种读法：已经在生产里调模型的工程师从 L4 读起，往下按需挖，往上接 L5、L6；要把地基重打一遍的人从 L0 顺读到 L6。七层对所有人中立，权重属于画像（最后一节）：一个画像 = 七层各一个权重 + 一条穿过节点的路径。
三条贯穿全书的规矩：一个知识点只属于一层；每个节点只留一小撮精选、每层的推荐榜短到一眼看完；每条精选都有一句「为什么是这条」和一条带日期的独立背书。完成标准是选资源的尺——不帮你过那一条的，就不进精选。
七层
自下而上按先修关系排：越往上越贴近工作、变得越快。每层一页。
L6
L5
L5
L4
L3
L2
L1
L0
画像：哪条路是你的
七层对所有人中立；画像决定你在每一层花多少力气、按什么顺序走。
| 画像 | L0 | L1 | L2 | L3 | L4 | L5 | L6 |
|---|---|---|---|---|---|---|---|
| AI 产品经理（素描） | 低 | 低 | 中 | 低 | 高 | 高 | 中 |
| FDE / AI Engineer | 低 | 中 | 高 | 中 | 最高 | 中 | 高 |
| 推理与训练基础设施（素描） | 中 | 中 | 高 | 最高 | 低 | 中 | 高 |
| ML Engineer（素描） | 中 | 高 | 高 | 中 | 中 | 中 | 高 |
按岗位的路线
按岗位的三条路线（阶段按先修排、技能按本月招聘需求排）在英文页上。 打开路线
作者的笔记原稿。