阅读主题
学习资源与查阅方法
1. 主线资源
以下资源入口已在本次学习规划对话中核对。课程与库会更新,运行示例时以资源当前说明和依赖版本为准。
| 资源 | 使用阶段 | 建议学什么 | 不必立即做什么 |
|---|---|---|---|
| Anthropic:Building Effective Agents | 第 2、9、10 周 | Workflow 与 Agent 区别、从简单方案开始、工具设计 | 把所有模式同时实现 |
| Datawhale:Hello-Agents | 第 7–10 周按需 | 智能体基础、工具、记忆与实践 | 为学框架重写现有技术栈 |
| Hugging Face LLM Course | 原理补充阶段 | 模型、分词、使用与微调的基本认识 | 第一轮通读所有训练内容 |
| 动手学深度学习(中文) | 算法兴趣分支 | 数学预备、训练与测试、神经网络、注意力 | 把整本教材设为应用开发前置任务 |
| CS50P | 需要 Python 时 | 文件、异常、库和测试等薄弱部分 | 从编程零基础重复完整学习 |
这些资源中一些示例主要使用 Python。先学习它们表达的概念,需要时再把业务逻辑应用到 TypeScript 项目中,不必逐行照搬。
2. 接口类问题怎样查
选择一个模型供应商后,优先查它的官方文档,按以下顺序:
- 认证与最小请求。
- 流式事件和取消行为。
- 结构化输出及支持范围。
- 工具调用及结果返回方式。
- 错误码、限流、重试建议。
- 用量、定价和上下文限制。
- 数据保留、隐私和部署区域约定。
记录查阅日期、模型标识和接口版本。不要假设不同供应商的相似接口具有完全相同的行为,也不要在笔记中保存真实密钥。
3. 每次学习采用同一个流程
提出具体问题 → 阅读相关章节 → 做最小实验 → 记录输入和输出 → 解释失败 → 应用到项目。
例子:不以“今天学习向量数据库”为目标,而是问“用户换一种说法后,为什么找不到正确文档”。先复现,再决定需要改善关键词检索、向量检索、文档内容还是其他环节。
4. 怎么使用 AI 当学习助手
- 让它用你熟悉的 React / Node.js 概念解释新知识。
- 先让它给练习和验收条件,自己尝试后再看答案。
- 要求它说明假设、接口版本和验证方法。
- 对关键结论回到官方文档或可复现实验核实。
- 让它审查你的解释,但不要只靠它给自己打分。
可以使用下面的学习提问模板:
我已经能独立使用 React、TypeScript 和 Node.js 开发。请解释【知识点】解决什么问题、什么时候不需要它,并给一个两小时内能完成的练习。指出常见失败方式和可验证的验收条件。涉及接口时说明需要核实的官方文档,不编造参数。
5. 怎样判断值得继续投入
一本课或一个工具能帮助解决当前项目的明确问题,就继续;如果只是不断增加名词,却没有改变你的判断、实现或验证能力,就暂停,回到项目。
第一轮无需购买显卡或同时订阅多个工具。模型调用先设置可接受的预算上限;实际费用按用量和当期价格核算。