日志

声学模型深入：CTC 与 RNN-T——语音识别怎么对齐声音和文字

语音识别对齐问题深入：CTC 空白符与路径合并原理、前向后向算法直觉、贪心与束搜索解码、RNN-T 联合网络，以及与 Whisper 编码器-解码器路线的对比。

#语音识别#CTC#RNN-T

混合精度与显存优化：让大模型塞进小显卡——FP16、BF16 与梯度检查点

显存优化实战：显存四笔账的构成、FP16/BF16 混合精度原理、autocast 与 GradScaler 用法、梯度检查点与梯度累积，附 7B 模型微调的显存实测对照表。

#混合精度#显存优化#FP16

数据集构建与标注：AI 项目最被低估的工程量——从采集到质检

数据集工程实战：采集渠道与合规、标注规范编写、Label Studio 实操、多人标注一致性 Kappa、弱监督与主动学习降本、DVC 数据版本管理，附标注质量对模型影响的对照实验。

#数据标注#数据集#数据工程

强化学习进阶：从 DQN 到 PPO——让智能体走出玩具环境

深度强化学习进阶：DQN 经验回放与目标网络原理、Double/Dueling 改进、PPO 截断目标函数推导直觉、Stable-Baselines3 实战，以及训练稳定性调参清单。

#强化学习#DQN#PPO

当 Pandas 装不下：Dask 与 Polars 实战——大数据处理的两条现代路线

超越 Pandas：Dask 并行化现有代码、Polars 惰性执行与列式内核，10GB CSV 基准对比实测，以及 Pandas/Dask/Polars/DuckDB 的选型决策框架。

#Dask#Polars#Pandas

超参数搜索与 AutoML：用 Optuna 把调参变成工程——从网格搜索到 TPE

超参数搜索的验证集隔离、Optuna 目标函数与真正生效的剪枝调用、搜索预算设计，附可复跑的网格与随机搜索教学对照。

#AutoML#Optuna#超参数

Hadoop 与 Hive 数据仓库：大数据管理的经典底座——HDFS、MapReduce 与分层建模

Hadoop 生态入门：HDFS 分布式存储原理、MapReduce 计算思想、Hive SQL 与分区表、数据仓库 ODS/DWD/DWS/ADS 分层建模，以及与 Spark 的选型对比。

#Hadoop#Hive#HDFS

从 Word2Vec 到 BERT：预训练语言模型十年演进——NLP 的范式转移

预训练语言模型演进史：Word2Vec 词向量原理与训练、静态向量的局限、BERT 的 MLM 双向上下文、GPT 自回归路线，以及这场范式转移如何塑造了今天的大模型。

#Word2Vec#BERT#预训练

优化器与学习率调度：从 SGD 到 AdamW——训练成败的隐形开关

优化器专题：SGD 动量的物理直觉、Adam 自适应学习率的数学本质、AdamW 权重衰减修正、warmup 与余弦退火调度，附 PyTorch 实战与调参对照实验。

#优化器#学习率#AdamW

Shell 与 Linux 训练运维：让 GPU 任务跑过整个周末——研究者的生存技能

Shell 脚本实战：tmux 保活训练、日志重定向与轮转、nvidia-smi 监控、checkpoint 自动清理、rsync 数据传输，让 GPU 任务稳定跑过整个周末。

#Linux#Shell#MLOps

AI 编程实战：Copilot、Cursor 与代码大模型——把 AI 变成结对程序员

AI 编程工具的三种形态、让 AI 写好代码的上下文工程、代码审查的人机分工、常见任务的最佳实践，以及不过度依赖的纪律。

#AI编程#Copilot#Cursor

AI 简历与作品集：让项目讲出技术深度——求职工程化

AI 岗位简历的项目写法（STAR+量化）、GitHub 作品集的整理标准、技术博客的杠杆效应、简历与岗位 JD 的对齐策略，附反面案例。

#求职#简历#作品集

论文复现方法论：从 arXiv 到能跑的代码——研究者的核心手艺

论文怎么读三遍、官方/三方代码怎么用、超参与训练细节的考古、复现失败的归因方法、从复现到改进的跃迁，完整的研究工作流。

#论文复现#研究方法#深度学习

工业视觉质检实战：缺陷检测从 50 张样本到产线落地

工业质检的特殊性、小样本冷启动、异常检测 vs 缺陷分类、Grounded-SAM 预标注、漏检率与过杀率的产线平衡，完整项目复盘。

#工业质检#缺陷检测#小样本

智能客服系统端到端实战：RAG + 意图识别 + 人工兜底的最小闭环

智能客服的完整架构：意图路由、RAG 知识库问答、多轮对话管理、置信度分层与转人工、效果评估体系，一个可落地的最小闭环。

#智能客服#RAG#意图识别

Kaggle 竞赛实战：从 Baseline 到前排——打比赛教会你的真功夫

Kaggle 的正确打开方式、本地验证体系、baseline→迭代→集成的标准节奏、公开榜陷阱与过拟合 leaderboard，以及竞赛经验怎么变现到工作。

#Kaggle#机器学习竞赛#集成学习

PySpark + Airflow 数据管道：日处理亿条记录的最小架构

PySpark DataFrame 实战、惰性求值与 shuffle 直觉、UDF 的正确使用、Airflow DAG 编排、失败重试与回填，搭建生产级数据管道。

#PySpark#Airflow#数据管道

FastAPI 模型服务化：从 Notebook 到生产 API——ML 工程的最后一公里

FastAPI 推理服务实战、Pydantic 请求校验、模型生命周期管理、批处理与异步、压测与性能调优，把 notebook 里的模型变成扛流量的服务。

#FastAPI#模型部署#API

姿态估计与多目标跟踪：视频里「人在动」怎么算——从 MediaPipe 到 DeepSORT

人体姿态估计的两种范式、MediaPipe/RTMPose 实战、多目标跟踪的检测-匹配框架、DeepSORT 的 ReID 与卡尔曼滤波，以及行为识别应用。

#姿态估计#多目标跟踪#DeepSORT

Whisper 微调与声音克隆：语音大模型的定制双翼

Whisper 架构与中文微调实战、方言/术语场景定制、VITS/SoVITS 声音克隆原理、语音数据合规边界，语音识别与合成的现代路线。

#Whisper#语音识别#声音克隆

超分辨率实战：Real-ESRGAN 老照片修复与画质增强

超分辨率的问题定义、从 SRCNN 到 ESRGAN 的演进、Real-ESRGAN 盲修复实战、人脸增强 GFPGAN、评估指标的失真陷阱。

#超分辨率#Real-ESRGAN#GFPGAN

#SAM#Grounding DINO#开放词汇检测

SAM 与开放词汇检测：视觉基础模型的正确打开方式

SAM 分割一切的提示工程、Grounding DINO 文本驱动检测、Grounded-SAM 组合管道、零样本视觉的落地场景与边界。

图像数据增强实战：从翻转到 MixUp/CutMix——免费的涨点神器

几何与光度增强的基础盘、MixUp/CutMix 的样本级增强、Albumentations 实战、检测/分割任务的标签同步、增强强度的调优策略。

#数据增强#MixUp#CutMix

#AI Agent#LangGraph#CrewAI

Agent 框架选型：LangGraph、CrewAI、AutoGen 与手写循环的对决

Agent 框架到底帮你做了什么、LangGraph 的状态机哲学、CrewAI 的角色扮演、AutoGen 的对话编排，以及什么时候手写循环才是最好的框架。

LLM 预训练数据工程：清洗、去重与配比——大模型的「食材学」

预训练数据管道全景：质量过滤、MinHash 去重、PII 脱敏、领域配比实验、数据课程学习，以及继续预训练的实战要点。

#预训练#数据工程#数据清洗

LLM 评测体系：从 MMLU 到自建 Eval——「模型好不好」怎么科学回答

主流基准（MMLU/GPQA/HumanEval）的能力地图、基准污染问题、LLM-as-Judge 的偏差与校准、自建业务 eval 集的完整方法论。

#LLM评测#MMLU#LLM-as-Judge

Embedding 模型与向量数据库：语义检索的双引擎选型指南

从 Word2Vec 到 BGE 的 Embedding 演进、MTEB 榜单怎么读、领域微调方法、Milvus/Qdrant/pgvector 对比、索引类型与召回率权衡。

#Embedding#向量数据库#语义检索

RAG 进阶：Chunking 策略、Rerank 与检索评估——从能用到好用

分块策略的取舍、混合检索与重排序、检索质量的量化评估体系、查询改写与 HyDE、RAG 全链路调优的优先级清单。

#RAG#检索增强#rerank

LLM 推理优化：KV Cache、投机采样与量化——让大模型跑得快又省

自回归推理为什么慢、KV Cache 的显存账、投机采样的加速原理、GPTQ/AWQ 权重量化、连续批处理，LLM 推理优化的完整地图。

#LLM推理#KV Cache#投机采样

LLM 对齐技术：SFT、RLHF 与 DPO——从「会说话」到「说对话」

预训练模型为什么不是助手、SFT 的数据配方、RLHF 的奖励模型与 PPO、DPO 的简化革命，以及小团队该选哪条对齐路线。

#RLHF#DPO#SFT

LLM 架构专题：RoPE 位置编码、长上下文扩展与 MoE 稀疏化

从正弦编码到 RoPE 的演进直觉、YaRN 等长上下文扩展技术、MoE 混合专家的路由机制，一次讲透现代 LLM 的三个架构支柱。

#RoPE#MoE#长上下文

Tokenizer 与 BPE：大模型怎么「读」文本——被低估的基础设施

BPE 分词算法从零实现、词表大小对中文的影响、为什么大模型数不清字母、token 计费的经济学、训练自己的 tokenizer。

#Tokenizer#BPE#大模型

现代 Python 环境管理：venv、conda、uv——终结环境地狱

为什么需要虚拟环境、venv/pip 标准流、conda 的定位与误区、uv 的速度革命、requirements 锁版本纪律、Docker 作为终极答案。

#Python#虚拟环境#conda

正则表达式实战：文本处理的瑞士军刀——从语法到真实场景

正则核心语法十分钟速通、贪婪与懒惰的本质、分组捕获与后向引用、日志清洗/爬虫/数据校验三大实战场景，以及什么时候不该用正则。

#正则表达式#文本处理#数据清洗

Python 与 NumPy 性能工程：向量化、并发与 Profiling——慢的代码没有借口

先测量再优化的纪律、NumPy 广播与视图免拷贝、Python for 循环为什么慢、Numba 一行加速、多进程/多线程/asyncio 的 GIL 抉择。

#Python性能#NumPy#向量化

因果推断入门：从相关到因果——AB 测试之外的世界

相关不等于因果的深层原因、混杂因子与辛普森悖论、随机实验的黄金标准、PSM/DID/工具变量等观察性研究方法，以及 ML 与因果的结合点。

#因果推断#PSM#双重差分

异常检测实战：孤立森林、One-Class SVM 与 AutoEncoder——当异常没有标签

异常检测与分类的边界、孤立森林原理、One-Class SVM、AutoEncoder 重构误差、时间序列异常检测，以及无标签下的评估难题与应对。

#异常检测#孤立森林#One-Class SVM

过拟合与正则化专题：L1、L2、Dropout、早停——让模型学会适可而止

偏差-方差权衡的直觉、L1 为什么产生稀疏而 L2 不、Dropout 的集成解释、早停与交叉验证、数据增强作为正则，系统掌握泛化的艺术。

#过拟合#正则化#L1

特征工程实战：编码、分箱、交叉与泄漏防范——模型上限的另一半

类别编码的五种武器、数值分箱策略、特征交叉与多项式、时间特征提取、特征泄漏的识别与防范，附 sklearn Pipeline 防泄漏标准写法。

#特征工程#特征编码#数据预处理

模型评估指标与类别不平衡：AUC、PR、KS 怎么选，阈值怎么调

混淆矩阵的正确打开方式、ROC 与 PR 曲线的分工、类别不平衡下的指标陷阱、SMOTE 与代价敏感学习、阈值调优的业务对齐方法。

#模型评估#AUC#类别不平衡

边缘 AI 与移动端部署：把模型塞进手机——TFLite 与 Core ML 实战

端侧推理的价值与约束、TFLite/Core ML/NCNN 选型、端侧量化与算子兼容、移动端图像分类全流程、云端协同架构设计。

#边缘AI#TFLite#移动端部署

机器翻译与文本摘要实战：Seq2Seq 的两大经典任务

机器翻译从统计方法到 Transformer 的演进、BLEU 评估的坑、抽取式与生成式摘要的路线之争、用预训练模型快速落地两个任务。

#机器翻译#文本摘要#Seq2Seq

模型可解释性实战：SHAP 与特征归因——打开黑盒的正确方式

为什么需要可解释性、SHAP 的博弈论原理、TreeSHAP/DeepSHAP 实战、全局与局部解释、反事实解释，以及向业务方解释模型的话术。

#可解释性#SHAP#XAI

3D 视觉与点云入门：从深度图到 PointNet——自动驾驶的眼睛

3D 数据的四种表示、点云的特性与难点、PointNet/PointNet++ 架构解析、Open3D 实战处理、3D 检测与自动驾驶应用版图。

#3D视觉#点云#PointNet

数据可视化与叙事：让图表替你做决策汇报——从画图到讲故事

图表选型决策树、常见可视化陷阱、matplotlib/plotly 实战、数据叙事的金字塔结构，让分析报告从「看图猜谜」变成「一目了然」。

#数据可视化#matplotlib#plotly

自监督学习入门：从无标注数据里偷标签——BERT、MAE 与对比学习

自监督的核心思想：从数据自身构造监督信号。掩码重建（BERT/MAE）、对比学习（SimCLR/MoCo）、时序预测三大范式，以及为什么它是大模型时代的发动机。

#自监督学习#BERT#MAE

信息论速通：熵、交叉熵、KL 散度——ML 损失函数背后的统一语言

用直觉讲清熵、交叉熵、KL 散度、互信息，为什么分类用交叉熵、蒸馏用 KL、决策树用信息增益，每个概念配代码验证。

#信息论#交叉熵#KL散度

知识图谱构建实战：从文本抽取到图数据库——RAG 的结构化升级

实体关系抽取、知识融合与消歧、Neo4j 建模与 Cypher 查询、LLM 辅助建图、GraphRAG 查询实战，把散乱文本变成可推理的知识网络。

#知识图谱#Neo4j#信息抽取

视频理解入门：从抽帧到时序建模——视频分析的工程化路径

视频与图像的本质差异、抽帧+2D CNN 的务实路线、3D CNN 与 Video Transformer、动作识别与精彩片段检测实战、工程成本权衡。

#视频理解#动作识别#3D CNN

声纹识别与说话人验证：声音也是指纹——从 x-vector 到实战

声纹的物理基础、说话人嵌入（x-vector/ECAPA-TDNN）、验证与辨认的区别、阈值与 EER 评估、反欺诈活体检测，用 SpeechBrain 跑通全流程。

#声纹识别#说话人验证#x-vector

MLOps 入门：实验跟踪、模型注册与线上监控——让模型持续靠谱

MLflow 实验跟踪实战、模型版本与注册表、数据漂移与概念漂移监控、重训练触发策略，搭建从实验到生产的完整 MLOps 闭环。

#MLOps#MLflow#模型监控

机器学习系统设计面试指南：从需求澄清到上线监控的完整框架

ML 系统设计面试六步法：澄清问题、框定 ML 任务、数据与特征、模型选型、评估与上线、监控迭代。用推荐系统和搜索排序两个案例完整走一遍。

#系统设计#机器学习#面试

#AI Agent#LLM#Function Calling

AI Agent 开发实战：ReAct、工具调用与多步推理——从 Demo 到可用

Agent 的核心循环（感知-规划-行动-观察）、Function Calling 实战、ReAct 模式、错误恢复与护栏、多 Agent 协作的边界，附可运行代码。

Prompt Engineering 实战：从技巧到工程——让 LLM 稳定输出你想要的

结构化 prompt 设计、few-shot 选型、输出约束与 JSON 模式、思维链的边界、prompt 版本管理与评测，把写提示词从玄学变成工程实践。

#Prompt工程#LLM#大模型

A/B 测试与统计推断实战：从 p 值到决策——数据科学的科学部分

假设检验本质、样本量计算、z 检验与 t 检验、多重比较陷阱、辛普森悖论、实验设计 checklist，用 Python 把 A/B 测试从玄学变成工程。

#AB测试#假设检验#统计学

流式数据处理入门：Kafka 与实时计算——AI 数据管道的动脉

Kafka 核心概念（分区/消费者组/offset）、生产者消费者实战、至少一次与精确一次语义、流式特征计算入门，搭建实时数据管道。

#Kafka#流式计算#实时数据

NoSQL 选型实战：MongoDB、Redis、Elasticsearch——AI 项目怎么选

关系型之外的世界：文档、KV、搜索、向量四类 NoSQL 的适用场景，Redis 缓存模式与穿透雪崩，ES 倒排索引，以及 AI 项目的真实选型决策。

#NoSQL#MongoDB#Redis

AI 工程师的 SQL 与数据库实战：从查询到建模到慢查询排查

从 JOIN、窗口函数到索引与执行计划，结合 Python 连接与数据建模，梳理 AI 项目中常见的数据库查询与排错问题。

#SQL#MySQL#数据库

分布式训练入门：从 DDP 到 FSDP——多卡训练的第一课

单机多卡 DDP 实战、梯度同步原理、ZeRO/FSDP 显存切分、混合精度训练，以及多卡训练最常见的六个坑，看完敢接多卡任务。

#分布式训练#DDP#FSDP

模型压缩与部署实战：量化、剪枝、蒸馏、ONNX——把模型塞进生产环境

训练完只是开始。PTQ 与 QAT 量化的区别、结构化剪枝、知识蒸馏的师生框架、ONNX 导出与 TensorRT 加速，一条龙把 PyTorch 模型压小跑快。

#模型压缩#量化#知识蒸馏

ViT 与 CLIP：多模态大模型的两块基石——图像切片与图文对齐

ViT 如何把图像切成 patch 喂给 Transformer，CLIP 如何用对比学习对齐图文 embedding，零样本分类实战，以及多模态大模型的演进脉络。

#ViT#CLIP#多模态

图神经网络入门：从图数据到 GCN——当关系本身就是信息

GNN 的核心思想：消息传递与邻居聚合，GCN/GAT 的区别，用 PyG 实现节点分类实战，以及推荐、知识图谱、分子预测的应用版图。

#GNN#图神经网络#GCN

序列标注与 NER 实战：HMM、CRF 到 BERT——给每个词一个标签

序列标注的经典任务 NER：BIO 标注体系、HMM/CRF 的结构化预测思想、BERT+CRF 的现代方案，以及大模型时代 NER 的两条落地路线。

#NER#序列标注#CRF

朴素贝叶斯：最简单的分类器，最深刻的贝叶斯思维

朴素贝叶斯的条件独立假设、垃圾邮件分类实战、三种变体（高斯/多项/伯努利）的适用场景，以及它为什么在小数据文本任务上历久不衰。

#朴素贝叶斯#贝叶斯#文本分类

机器学习数学基础：线性代数、概率与最优化——只学用得上的部分

ML 数学的最小必要集：向量与矩阵运算的几何直觉、SVD/特征分解、概率与贝叶斯、梯度下降家族，每个概念都对应到具体算法。

#数学基础#线性代数#概率论

OCR 文字识别实战：让机器读懂图片里的字——检测、识别与结构化

OCR 的两阶段流水线（文本检测 + 文字识别）、PaddleOCR 中文实战、扫描件预处理、版面结构化，以及从识别结果到可用数据的最后一公里。

#OCR#PaddleOCR#文字识别

语音合成 TTS 入门：让机器开口说话——从拼接合成到神经声码器

语音识别的逆过程：TTS 的两段式架构（声学模型 + 声码器）、拼接合成到端到端的演进、中文 TTS 实战与效果评估，以及与 ASR 的对照。

#TTS#语音合成#声码器

图像分割入门：从阈值法到 U-Net——给每个像素一个答案

计算机视觉第三大任务：语义/实例/全景分割的区别，传统方法（阈值/轮廓）到 U-Net 的编解码结构，以及医学影像场景的最小训练实战。

#图像分割#U-Net#语义分割

时间序列分析：从 ARIMA 到 Prophet 与深度学习——给数据加上时间轴

时间序列的三大成分、平稳性与差分、ARIMA 参数逻辑、Prophet 的快速实战、LSTM 路线，以及时序任务最容易犯的时间泄漏错误。

#时间序列#ARIMA#Prophet

推荐系统入门：从协同过滤到双塔模型——猜你喜欢的技术简史

推荐系统的核心思想演进：协同过滤、矩阵分解、双塔召回 + 排序的两段式架构，以及冷启动、评估指标（Recall/NDCG）与实战实现。

#推荐系统#协同过滤#双塔模型

降维专题：PCA、t-SNE 与 UMAP——把高维数据压回人脑能理解的形状

降维的三条路线：PCA 的方差最大化、t-SNE 的邻域保持、UMAP 的速度与结构兼顾，以及各自的使用边界与常见误用。

#降维#PCA#t-SNE

逻辑回归与 SVM：分类算法的双子星——线性边界的两种哲学

逻辑回归（概率视角）与 SVM（间隔最大化）的原理对比、核技巧的直觉、多分类策略与实战选择，补齐经典分类算法的最后一块拼图。

#逻辑回归#SVM#核技巧

集成学习专题：随机森林、AdaBoost 与 XGBoost/LightGBM——三个臭皮匠的数学

集成学习的两大思想 Bagging 与 Boosting：随机森林的方差缩减、AdaBoost/GBDT 的偏差缩减、XGBoost 与 LightGBM 的工程进化，以及调参实战。

#集成学习#随机森林#XGBoost

大模型微调实战：LoRA/QLoRA——用一张消费级显卡定制你的 LLM

全参数微调 vs 参数高效微调（PEFT）：LoRA 的低秩原理、QLoRA 的 4bit 量化、数据格式设计、训练参数配置与效果评估的完整实战流程。

#LLM#微调#LoRA

强化学习基础：从 Q-Learning 到 Policy Gradient——智能体怎么学会做决定

强化学习入门：MDP 五要素、探索与利用、Q-Learning 表格法实战、DQN 的三板斧，以及 Policy Gradient 的直觉，附 Gymnasium 上手指南。

#强化学习#Q-Learning#DQN

图像生成入门：GAN、VAE 与 Diffusion——三代生成模型的思想演进

生成式视觉的三代范式：VAE 的显式概率建模、GAN 的对抗博弈、Diffusion 的渐进去噪，讲清各自原理、优缺点，并用 diffusers 跑通文生图。

#图像生成#GAN#Diffusion

目标检测实战：从 R-CNN 到 YOLO——不仅要认出是什么，还要找到在哪里

目标检测从两阶段 R-CNN 家族到单阶段 YOLO 的演进逻辑，IoU、NMS、mAP 三大核心概念讲透，并用 ultralytics 跑通训练与推理。

#目标检测#YOLO#计算机视觉

综合项目与求职交付 03：求职答辩——简历、面试话术与作品集链路

AI 科研内容课程系列六第 3 课（收官项目课）：把案例平台转化为求职弹药——简历项目描述、行为面试话术、技术追问应对、演示策略与作品集的完整链路。

#求职#面试#简历

综合项目与求职交付 02：项目复盘——把课程产物写成可核验的作品集

AI 科研内容课程系列六第 2 课（项目课）：对整个案例平台做正式复盘——架构决策回顾、数据说话、失败与局限的诚实清单，以及作品集叙事框架。

#项目复盘#作品集#架构决策

综合项目与求职交付 01：Streamlit 集成应用——把 M1–M4 接入演示界面

AI 科研内容课程系列六第 1 课（项目课）：用 Streamlit 把检索、分类、趋势分析、主题地图集成成可演示的平台应用——页面设计、状态管理、缓存策略与演示叙事。

#Streamlit#综合项目#前端集成

#Docker#GitHub Actions#CI/CD

数据管理与 AI 自动化 04：Docker 与 GitHub Actions——打包、CI 与 M4 验收

AI 科研内容课程系列五第 4 课（收官/里程碑 M4）：用 Docker 打包 API 服务、GitHub Actions 做测试与构建 CI，完成「服务可部署」里程碑验收。

数据管理与 AI 自动化 03：Prefect 数据流水线——让平台自己转起来

AI 科研内容课程系列五第 3 课：用 Prefect 编排平台的日常运转——每日增量采集、解析、向量化、入库、报告，含重试、告警与幂等设计。

#Prefect#工作流#数据流水线

数据管理与 AI 自动化 02：FastAPI 科研数据服务

AI 科研内容课程系列五第 2 课：把平台能力包成 API——FastAPI 路由设计、Pydantic 校验、语义检索端点、限流与错误处理，以及 OpenAPI 文档的免费红利。

#FastAPI#API设计#Pydantic

#PostgreSQL#pgvector#数据库设计

数据管理与 AI 自动化 01：PostgreSQL + pgvector 科研知识库

AI 科研内容课程系列五第 1 课：把平台数据从文件层搬进 PostgreSQL——表设计、pgvector 向量检索、混合查询与索引调优，支撑起服务层的数据底座。

多模态科研内容理解 06：理解流水线集成与 M3 里程碑验收

AI 科研内容课程系列四第 6 课（收官/里程碑 M3）：把 PDF 解析、Embedding、图表抽取、融合策略组装成一条端到端理解流水线，完成验收与局限分析。

#流水线#系统集成#里程碑

多模态科研内容理解 05：多模态融合——统一表示一篇论文

AI 科研内容课程系列四第 5 课：把论文的文本、元数据、图表多路信息融合成统一表示——早融合 vs 晚融合的实验对比，以及检索单元的消融实验。

#多模态融合#表示学习#消融实验

多模态科研内容理解 04：图表与公式——论文里的视觉信息

AI 科研内容课程系列四第 4 课：从论文 PDF 中抽取图表与公式——版面检测、图注配对、图表分类，以及视觉信息在平台中的用途。

#图表抽取#版面分析#OpenCV

多模态科研内容理解 03：深度学习文本模型——从 Embedding 特征到微调分类器

AI 科研内容课程系列四第 3 课：挑战 M2 的分类基线——Embedding + 逻辑回归、PyTorch 微调 Transformer 两条路线对比，以及什么时候深度学习值得上。

#深度学习#Transformer#文本分类

多模态科研内容理解 02：文本 Embedding 与语义检索

AI 科研内容课程系列四第 2 课：用 Embedding 模型把论文摘要变成语义向量，实现「按意思搜论文」——向量生成、归一化、最近邻检索与检索质量评测。

#Embedding#语义检索#向量搜索

多模态科研内容理解 01：PDF 全文解析与结构化抽取

AI 科研内容课程系列四第 1 课：从 arXiv 下载论文 PDF 并结构化抽取——元数据、章节、参考文献的解析方案对比（pypdf/GROBID），以及解析质量评估。

#PDF解析#GROBID#结构化抽取

经典机器学习 05：模型评估、调优与 M2 里程碑验收

AI 科研内容课程系列三第 5 课（收官/里程碑 M2）：系统调参、偏差-方差诊断、模型选择报告与领域分类器的最终验收交付。

#模型评估#超参调优#学习曲线

经典机器学习 04：无监督主题发现——聚类与降维可视化

AI 科研内容课程系列三第 4 课：在没有标签的维度上发现结构——K-Means 主题聚类、TruncatedSVD 降维、UMAP 可视化和主题的词云式解读。

#聚类#K-Means#降维

经典机器学习 03：引用数预测——回归任务与树模型实战

AI 科研内容课程系列三第 3 课：预测论文发表后一年的引用量——长尾目标变换、线性回归 vs 随机森林 vs 梯度提升，以及回归任务的评估口径。

#回归#随机森林#梯度提升

经典机器学习 02：领域分类——从逻辑回归基线到 SVM

AI 科研内容课程系列三第 2 课：用上一课的特征训练论文领域分类器——逻辑回归基线、线性 SVM、类别不均衡处理和阈值调整，立住 M2 的第一个版本。

#文本分类#逻辑回归#SVM

#特征工程#Scikit-learn#TF-IDF

经典机器学习 01：从科研元数据到特征工程

AI 科研内容课程系列三第 1 课：在 M1 数据集上为领域分类和引用预测构造特征——文本 TF-IDF、类别编码、时间特征与泄漏防控。

科研数据获取与分析 05：DuckDB + Parquet 数据集版本管理（里程碑 M1）

AI 科研内容课程系列二第 5 课（收官/里程碑 M1）：用 Parquet 分区 + DuckDB 构建可查询、可版本化的科研数据集，发布平台的第一个正式数据集版本。

#DuckDB#Parquet#数据版本

科研数据获取与分析 04：探索性数据分析与 Plotly 可视化

AI 科研内容课程系列二第 4 课：对 cleaned 科研数据集做系统 EDA——分布、趋势、关系、异常四类问题，用 Plotly 产出交互式图表，并让每个图回答一个明确问题。

#EDA#Plotly#数据可视化

科研数据获取与分析 03：元数据清洗与对齐——把脏数据变成可信数据集

AI 科研内容课程系列二第 3 课：多来源科研元数据的清洗实战——缺失值策略、作者与机构名规范化、日期对齐、重复论文合并，产出可信的 cleaned 层。

#数据清洗#Pandas#实体对齐

科研数据获取与分析 02：用 Scrapy 与 Playwright 补充采集

AI 科研内容课程系列二第 2 课：API 覆盖不到的数据怎么办——用 Scrapy 批量抓取会议页面、用 Playwright 处理 JS 渲染，讨论分页、限速、重试与署名边界。

#Scrapy#Playwright#爬虫

科研数据获取与分析 01：arXiv、OpenAlex 与 Crossref API 实战

AI 科研内容课程系列二第 1 课：用三大公开科研元数据 API 搭建案例平台的采集层——分页、限速、重试、字段映射与来源归一化。

#arXiv#OpenAlex#Crossref

AI 科研工程基础 04：Python 项目工程化——结构、配置与测试

AI 科研内容课程系列一第 4 课：把科研代码从脚本的档次提升到工程的档次——src 布局、分层配置、ruff 检查、pytest 测试与 pre-commit 质量门。

#Python#工程化#pytest

AI 科研工程基础 03：Jupyter 与可复现实验工作流

AI 科研内容课程系列一第 3 课：Jupyter 的正确打开方式——探索在 notebook、定型进模块，用 papermill 参数化运行，建立可复现实验的完整工作流。

#Jupyter#可复现性#实验工作流

AI 科研工程基础 02：Git 与 GitHub 的科研协作工作流

AI 科研内容课程系列一第 2 课：Git 分支模型、提交纪律、冲突处理和 GitHub PR 流程在科研工程项目中的实战用法，附实验代码与论文代码管理的特殊约定。

#Git#GitHub#版本控制

AI 科研工程基础 01：开发环境与贯穿案例——AI 科研内容智能管理与分析平台

AI 科研内容课程系列一第 1 课：搭建科研工程开发环境，介绍贯穿全部 27 课的案例平台——基于公开科研元数据的 AI 科研内容智能管理与分析平台。

#AI科研#开发环境#Git

研究方法：从问题到结论的完整路径

AI 方向的研究方法论：怎么选题、怎么读论文、怎么设计实验、怎么读结果、怎么写结论，附文献管理工具链和实验记录模板。

#研究方法#文献调研#实验设计

AI 自动化：用工作流和 Agent 把重复工作交给机器

从 cron 定时脚本到 Prefect 工作流再到 LLM Agent，讲清三个层次的 AI 自动化各自解决什么问题、怎么落地，以及自动化系统必不可少的监控和失败处理。

#AI自动化#Prefect#Agent

大数据管理：从单机 DuckDB 到分布式思维

数据量涨上去之后怎么办：Parquet 列式存储、DuckDB 单机分析、PostgreSQL + pgvector 结构化与向量混合管理，以及什么时候才真的需要 Spark。

#大数据#DuckDB#Parquet

人脸识别实战：从 Haar 检测到深度学习特征比对

分清人脸检测与人脸识别两个概念，用 OpenCV 做检测、用深度学习模型提取人脸特征向量做比对，走通检测 → 对齐 → 特征 → 比对的完整链路。

#人脸识别#OpenCV#计算机视觉

自然语言处理综合篇：从分词到大模型时代的全景地图

一篇建立 NLP 完整知识地图：中文分词、词向量、文本分类的传统与深度学习路线、预训练模型、RAG，以及每个阶段该用什么工具的决策建议。

#NLP#自然语言处理#词向量

语音识别入门：从声波到文字，以及 Whisper 实战

讲透语音识别的基本概念：采样率、MFCC、声学模型到端到端模型的演进，用 Whisper 做中文语音转写实战，附音频预处理和长音频切分的工程要点。

#语音识别#ASR#Whisper

K-Means 聚类：让数据自己抱团

机器学习入门小系列第 4 篇：讲透 K-Means 的迭代逻辑、K 值怎么选、标准化的关键作用、K-Means++ 初始化，以及它搞不定的数据形状。

#机器学习#K-Means#聚类

决策树：从分裂规则到过拟合控制

机器学习入门小系列第 3 篇：从信息增益的直觉讲解决策树怎么「学提问」，用 Scikit-learn 训练并可视化一棵树，吃透过拟合控制、特征重要性和剪枝。

#机器学习#决策树#可解释性

线性回归：最朴素的模型，最多的坑

机器学习入门小系列第 2 篇：从最小二乘的直觉讲起，用 Scikit-learn 实现线性回归，吃透 R²、系数解读、多重共线性、正则化和多项式特征。

#机器学习#线性回归#正则化

机器学习基础与 Scikit-learn：把建模流程跑通一遍

机器学习入门小系列第 1 篇：用 Scikit-learn 跑通数据切分 → 特征工程 → 训练 → 评估的完整闭环，重点讲数据泄漏、交叉验证和 Pipeline 这些新手最容易栽的环节。

#机器学习#Scikit-learn#交叉验证

2026-08-27 数据采集

数据采集与爬虫：合规、稳定地拿到你想要的数据

从 API 优先原则讲起，覆盖 requests 抓取、解析、限速重试、增量去重、Scrapy 框架和 Playwright 浏览器渲染，以及爬虫工程的合规边界。

#爬虫#数据采集#requests

2026-08-27 数据分析

Pandas 数据分析与可视化：从读表到出图的一条龙实战

用一份论文数据集把 Pandas 的核心动作串一遍：读写、筛选、groupby、merge、透视表、缺失值处理，再用 Plotly 出图，附我踩过的典型坑。

#Pandas#数据分析#可视化

2026-08-27 Python

Linux + Python 环境基础：从零配好一套能干活的 AI 开发环境

把 Linux 常用命令和 Python 环境管理放在一起讲透：文件与进程操作、权限、包管理、venv/pip、SSH 远程开发，以及我在配环境时踩过的坑。

#Linux#Python#开发环境

#深度学习#PaddlePaddle#中文文本分类

2026-08-26 AI项目

深度学习课程 10：模型评估、调优与部署闭环

从数据切分、指标与错误分析出发，建立受控调优、制品验证、推理服务和上线监控的深度学习项目闭环。

#深度学习#模型评估#模型调优

约 10 分钟

2026-08-25 AI项目

深度学习课程 09：PaddlePaddle 中文文本分类项目

从数据契约、字符词表和双向 LSTM 基线出发，用 PaddlePaddle 完成中文文本分类项目，并加入 Transformer 对照、错误分析与推理接口。

2026-08-24 AI课程

深度学习课程 08：TensorFlow/Keras 工程化训练工作流

用 tf.data、Keras Functional API、回调、检查点和模型导出组织可恢复的 TensorFlow 训练与推理流程。

#深度学习#TensorFlow#Keras

2026-08-23 AI课程

深度学习课程 07：Transformer 与注意力机制

从 Q、K、V 和缩放点积注意力理解 Transformer，使用 PyTorch 组装带位置编码与填充掩码的编码器分类模型。

#深度学习#Transformer#注意力机制

2026-08-22 AI课程

深度学习课程 06：RNN、LSTM 与 GRU 的序列建模

从隐藏状态、时间展开和梯度传播理解 RNN、LSTM 与 GRU，并用 PyTorch 建立可处理变长序列的分类基线。

#深度学习#RNN#LSTM

2026-08-21 AI课程

深度学习课程 05：图像分类综合项目——从基线到迁移学习

以可替换数据集的图像分类项目为例，完成目录设计、基线、ResNet18 迁移学习、分阶段解冻、类别指标、错误样本分析和推理接口。

#深度学习#图像分类#迁移学习

2026-08-20 AI课程

深度学习课程 04：CNN 从卷积、池化到图像分类

从局部感受野和权重共享理解 CNN，使用 PyTorch 构建 CIFAR-10 图像分类基线，并排查通道、尺寸、归一化和增强问题。

#深度学习#CNN#图像分类

2026-08-19 AI课程

深度学习课程 03：训练不动、过拟合与梯度异常怎么排查

建立深度学习训练故障的排查顺序，理解数据泄漏、过拟合、初始化、归一化、学习率、梯度裁剪、早停与可复现训练。

#深度学习#模型调优#过拟合

2026-08-18 AI课程

深度学习课程 02：神经网络为什么能学习——梯度下降与反向传播

从线性层和链式法则出发，手算一次前向传播与参数更新，再用 PyTorch autograd 验证梯度，讲清计算图、叶子张量和梯度累加。

#深度学习#反向传播#梯度下降

2026-08-17 AI课程

深度学习课程 01：从一次训练循环看懂模型是怎样学会的

用 PyTorch 串起数据、模型、损失函数、反向传播、优化器与验证集，建立一套可以迁移到后续 CNN、RNN 和 Transformer 的训练骨架。

#深度学习#PyTorch#训练循环

2026-08-13 AI安全

AtlasSplit 错误类型分布分析：LLM 生成代码到底会在哪里翻车

基于 AtlasSplit Audit Replay 日志，对 LLM 生成的 Pandas 代码进行错误类型分布分析，揭示各类型错误的占比、自愈成功率差异，以及对 Prompt 工程和系统设计的启示。

#LLM Agent#错误分析#Pandas

约 10 分钟

2026-08-13 AI应用

MindTrip 与 AtlasSplit：11 项改进的工程实践

对 MindTrip RAG 系统和 AtlasSplit Agent 各自落地 5 项和 6 项改进的工程实践记录。

#RAG#LLM Agent#评测框架

#GitHub Actions#Hugo#CI/CD

2026-08-13 AI应用

MindTrip RAG 架构演进（五）：评测框架与混合检索对比实验

MindTrip RAG 系列第五篇，介绍如何搭建 RAGAS + 自建 Bad Case 评测框架，以及纯向量、纯 BM25、混合检索三种方案在不同查询类型上的对比实验与胜负分析。

#RAG#RAGAS#BM25

约 13 分钟

2026-08-05 工具建站

用 GitHub Actions 自动部署 Hugo 站点到 Pages

一份可用的 GitHub Actions 配置，把 Hugo 站点自动构建并部署到 GitHub Pages，包含常见报错的排查方法。

2026-07-05 游戏开发

CrazyGames 发布全流程：注册、提审、广告接入与 QA 工具

一份面向独立开发者的 CrazyGames 上架指南：开发者注册、游戏构建上传、提审注意事项、广告 SDK 接入，以及 qaTool 的实战用法。

#CrazyGames#游戏发行#独立游戏

2026-06-08 游戏开发

《捡钱》开发日志：从立项到上架 CrazyGames

记录休闲小游戏《捡钱》的完整开发过程：玩法设计、Cocos Creator 实现、美术资源取舍、广告接入，以及上架 CrazyGames 时遇到的坑。

#游戏开发#Cocos Creator#开发日志

2026-05-12 游戏开发

Cocos Creator 性能优化与资源管理技巧

整理 Cocos Creator 休闲小游戏开发中的性能优化经验：DrawCall 合批、资源加载与释放、纹理压缩、对象池，以及 Profiler 的使用方法。

#Cocos Creator#性能优化#游戏开发

2026-04-20 AI

RAG 项目复盘：从 Milvus + Neo4j 到一套可用的知识问答系统

把前一篇 RAG 概念笔记扩展为完整的项目复盘：架构选型、Embedding 模型对比、召回优化、Reranker 接入，以及上线后遇到的工程问题。

#AI#RAG#Milvus

2026-04-05 工具建站

AtlasSplit 开发笔记：一个实用小工具的设计思路

记录 AtlasSplit 这个图集拆分工具的开发思路：需求来源、技术方案选择、核心实现，以及作为小工具项目的通用经验。

#工具开发#Cocos Creator#图集

2026-03-22 AI

危机社交媒体分类：一次机器学习实验的完整复盘

复盘 crisis-social-media-classification 项目的机器学习实验：数据探索、特征工程、模型对比、调参过程与最终方案选择。

#机器学习#NLP#文本分类

2026-03-10 AI

OpenCV 实战项目：从教程笔记到能跑的视觉应用

把 OpenCV 系列笔记里的零散技巧整合成一个完整的视觉应用项目，涵盖需求分析、方案设计、核心代码实现与部署。

#OpenCV#计算机视觉#实战项目

2026-02-22 游戏开发

休闲游戏的难度曲线设计：从数值到心流

探讨休闲小游戏的难度曲线设计方法：心流理论、数值调表、玩家分层，以及如何在《捡钱》《数钱》中实践。

#游戏设计#难度曲线#数值策划

2026-02-08 随笔

独立游戏开发心得与个人学习路线

聊聊我做独立游戏这段时间的感悟：技术栈选择、时间管理、心态调整，以及一条从 Python 到 Cocos Creator 的非典型学习路线。

#独立游戏#随笔#学习路线

2026-01-18 工具建站

Hugo + Dream 主题定制经验：从踩坑到顺手

记录用 Hugo + Dream 主题搭建个人主页的定制经验：Goldmark raw HTML 转义、导航栏改造、自定义 CSS/JS 注入、OG 分享图配置等常见问题。

#Hugo#建站#Dream主题

2026-01-05 随笔

为什么我同时维护 GitHub 和 Gitee

聊聊同时维护 GitHub 和 Gitee 双仓库的实际动机、同步策略，以及这套方案适合和不适合什么样的项目。

#Git#GitHub#Gitee

2025-09-10 AI安全

AtlasSplit Agent 的 AST 审计与沙箱设计：当我真的让 LLM 在机器上执行 Python 代码

探讨 AtlasSplit 智能体中如何通过 AST 静态分析和沙箱环境确保 LLM 生成的 Python 代码安全执行的设计与实现。

#AST#代码审计#沙箱

2025-08-25 AI部署

vLLM 部署 Qwen2.5 的性能调优实录：8GB 显存下，我是怎么和 KV Cache 打架的

记录在 8GB 显存环境下使用 vLLM 部署 Qwen2.5 模型的性能调优过程，重点分析 KV Cache 管理和显存优化策略。

#vLLM#Qwen2.5#性能优化

2025-08-20 AI应用

MindTrip RAG 架构演进（四）：Prompt 工程与最终架构总结

MindTrip RAG 系列最终篇，总结 Prompt 工程经验、多轮修改的 Agent 设计、最终架构全貌，以及从 MindTrip 项目中学到的核心教训。

#RAG#Prompt工程#Agent

2025-08-18 AI应用

MindTrip RAG 架构演进（三）：模型选型与 SSE 流式部署

MindTrip RAG 系列第三篇，讨论为什么选择 Qwen2.5-3B 而非更大模型，FastAPI + SSE 流式输出改造，以及上下文长度对 RAG 的影响。

#RAG#Qwen2.5#SSE

2025-08-12 AI应用

MindTrip RAG 架构演进（二）：从语义检索到约束感知

MindTrip RAG 系列第二篇，分析 TopK 调参的坑、从 Semantic Search 到 Constraint-aware Retrieval 的演进，以及 Context Builder 的设计。

#RAG#AI#检索优化

2025-08-10 AI

Milvus + Neo4j 构建 RAG 知识图谱实战

梳理 RAG / GraphRAG / HyDe / Reranker 的核心原理与适用场景，对比向量数据库 Milvus 与图数据库 Neo4j 的分工，并给出 pymilvus 检索示例代码。

#AI#RAG#Milvus

2025-08-04 AI应用

MindTrip RAG 架构演进（一）：数据层与实体级 Chunk 设计

MindTrip 旅行规划系统 RAG 架构系列第一篇，介绍数据层设计、实体级 Chunk 策略和 BGE-M3 Embedding 选型。

#RAG#AI#旅行规划

2025-08-02 计算机视觉

OpenCV进阶实战：霍夫变换、圆检测与亮度调节技巧

本文系统讲解了霍夫变换（直线与圆）、OpenCV圆检测实践要点、图像亮度对比度调节技巧、滑动条联动实操，并着重分析了uint8类型溢出导致的异常色问题及解决方法。

#OpenCV#霍夫变换#图像处理

2025-07-26 计算机视觉

OpenCV 图像轮廓处理与几何特征提取详解

本专题详细梳理OpenCV中关于图像梯度、边缘检测、轮廓提取、凸包、外接矩形/圆等几何特征的原理与实战技巧，适合视觉AI开发、图像分析与数字识别等任务。

#OpenCV#图像处理#轮廓检测

2025-07-19 计算机视觉

Python + OpenCV 图像几何变换原理推导、实战技巧与常见问题整理

Python + OpenCV 几何变换（仿射、旋转、剪切、平移、缩放）公式推导、代码实战与常见误区总结

#Python#OpenCV#图像处理

2025-07-12 计算机视觉

Python + OpenCV 图像插值、掩膜、ROI、水印与灰度化实战详解（原理·代码·细节）

超详细OpenCV实战：插值、掩膜、ROI切割、水印添加、灰度化转换原理讲解与经典代码实现，全流程常见误区总结！

#Python#OpenCV#图像处理

2025-07-05 计算机视觉

Python + OpenCV 日常小技巧与常见坑整理

整理 OpenCV 读取/显示图片、HDR 处理、视频流读取与按键检测（0xFF 原理）的常见坑点，并附 Python 字符串校验与 any() 手写实现。

#OpenCV#图像处理#Python

2025-06-28 Python

模块化编程与 NumPy 基础：ndarray 创建、切片、广播与内存机制

从 Python 模块/包的导入规范出发，系统梳理 NumPy ndarray 的创建、切片、维度变换、广播机制，以及视图与副本的内存原理。

#Python#NumPy#模块化

2025-06-20 Python

从零食到大数据：用生活场景理解 Python 迭代器与生成器

用超市买零食的生活类比讲透 Python 迭代器与生成器：协议实现、yield 惰性求值、send 协程、itertools 实战，附斐波那契生成器示例。

#Python#迭代器#生成器

2025-06-12 Python

Python 容器类实现与魔术方法：自定义 list/dict、拷贝与正则实战

用魔术方法自定义 MyList/MyDict，理解 dict 的浅拷贝原理、str.format_map 用法，以及 re.sub 配合函数的进阶用法。

#Python#魔术方法#容器类

2025-06-05 Python

Python 基础进阶与底层原理梳理（一）

系统梳理 Python 编程中经常困扰初学者和进阶者的底层原理，包括参数传递顺序、作用域、装饰器链、面向对象类与属性、魔术方法等。

#Python#底层原理#装饰器

2025-05-31 Python

Python 编程从入门到精通全指南

从 Python 环境搭建、基础语法、变量类型、运算符到控制语句与推导式的一站式入门指南，附水仙花数、九九乘法表等实战练习。

#Python#基础语法#入门

2025-05-25 Python

深入理解 Python 核心机制：集合类型与可变对象详解

对比 set/frozenset 的可变性与哈希性，剖析可变/不可变对象的内存行为差异，附函数参数副作用与默认参数陷阱的避坑建议。

#Python#集合#可变性

2025-05-18 Python

玩转 Python 基本数据类型：列表、元组、range、集合与字典全解析

系统梳理 Python 五大容器类型（list/tuple/range/set/dict）的创建方式、常用操作、可变性与哈希性对比，并解读 dict 赋值即存储的语义，附一图流对比表。

#Python#数据结构#容器类型

2025-05-10 Python

Python 控制流语句详解：赋值、条件与循环

系统讲解 Python 三大控制流语句：赋值语句（含解包/索引赋值）、条件语句（if-elif-else 与 match-case）、循环语句（for/while 及 break/continue），附完整代码示例。

#Python#控制流#基础语法