跳到正文

一张图看全图谱

整个图谱放在一张思维导图上:七层和它们的节点,节点下面是它连着的论文、人物、机构和里程碑。每个框都通向它的那一节。

它怎么工作 · L0–L3拿它干活 · L4–L6知识图谱L0数学与 CS 底子−数学:用到时再补数学线性代数线性代数概率与统计概率与统计信息论信息论优化优化L1机器学习与深度学习基础−经典机器学习:从样本里学经典机器学习损失与反向传播损失与反向传播PyTorch:自己训一个网络PyTorch泛化泛化经典结构:CNN、RNN / LSTM、残差经典结构L2LLM 核心−LLM:模型怎么工作LLMTokenizerTokenizerTransformerTransformer预训练与 scaling预训练与 scaling微调:教它你的任务微调后训练:用奖励塑形后训练解码与推理解码与推理长上下文与 MoE长上下文与 MoE多模态多模态L3系统与基础设施−GPU 入门:为什么是它,瓶颈在哪GPU 入门Serving:自己跑模型Serving并行训练:为什么一张卡不够并行训练算力经济:训练花在哪,推理怎么收费算力经济Kubernetes:在客户的地方跑KubernetesL4应用工程−调用模型 API:token、流式、工具、成本调用模型 APIPrompting:能度量的指令Prompting结构化输出:让模型的回答能被程序消费结构化输出Embedding:把意思变成向量EmbeddingRAG:先查再答RAGAgent:循环里带工具的模型AgentMCP:给每个系统一个统一的插口MCPEvals:知道它有没有变好Evals可观测性:知道线上发生了什么,并能回到评测可观测性成本:每一次调用都有价签成本安全:模型会照着不可信的文本行动安全TypeScript:前端与 SDK 所在的语言TypeScriptL5行业脉络 I:历史−AI 历史:怎么读三次浪潮AI 历史第一次浪潮:符号与专家系统第一次浪潮第二次浪潮:统计学习与深度学习第二次浪潮第三次浪潮:scaling 与 LLM第三次浪潮L5行业脉络 II:前沿−每周必看:前沿信息流(≤ 5)每周必看有事再查:前沿参考清单(≤ 15)有事再查观点与预测L6职业与市场−岗位族:AI 岗位怎么分岗位族JD 要求:技能词怎么读JD 要求薪酬:只记来源,不记数字薪酬画像−AI 产品经理(素描)AI 产品经理(素描)FDE / AI EngineerFDE / AI Engineer推理与训练基础设施(素描)推理与训练基础设施(素描)ML Engineer(素描)ML Engineer(素描)图谱里的其他条目−Amazon实验室与公司 · 1994AmazonMeta实验室与公司 · 2004MetaCursor实验室与公司 · 2022Cursor

拖动可移动;双指捏合,或按住 Ctrl / ⌘ 滚动,可缩放;带数字的圆圈展开那一支,按住 Shift 点它则展开它下面的全部;「层级」把整张图展开到那一层(也可按数字键)。

核心节点:别的节点以它为先修,画像的路线也经过它鼠标悬停或用 Tab 选中一个节点,看它的关系:它的先修以它为先修的相关

作者的笔记原稿。