LEARNING LOG / 01
持续更新
本阶段关注 / CURRENT FOCUS
让模型
有据可依
从检索质量到答案评测，记录一套可复现的 RAG 实践方法。
- 检索增强
- 评测集
- 可复现
READING LOG
2026 / 10
Personal AI Notes 2026
把 AI 学明白，
再写下来。
关于大模型、检索增强与智能体的学习记录。以问题为起点，用实验验证，把零散的知识整理成可以复用的方法。
让模型
学习原则
PRINCIPLES
01
亲手验证
能跑通的，才写下来。
02
问题驱动
从真实问题出发。
03
保持复盘
记录判断与偏差。
04
接受修正
结论随实验更新。
01 / Recent Notes
最近笔记
关于理解、搭建与评估 AI 系统的阶段性记录。每张卡片都可以展开摘要，点击「阅读全文」进入完整笔记。
NOTE 001
2026.10.18
基础概念
从 Token 到上下文窗口：模型到底“看见”了什么？
拆解分词、位置编码与上下文限制，理解模型能力的起点与边界。
展开摘要
阅读全文
Key Points
- Token 不是字，也不等于词，它直接影响计费方式与上下文长度。
- 上下文窗口是模型的工作台，而不是可以无限依赖的长期记忆。
- 信息出现的位置与顺序，会改变模型对内容的关注程度。
NOTE 002
2026.10.11
工程实践
RAG 不是银弹：检索质量决定回答上限
一次完整的 RAG 拆解：切分、召回、重排与上下文组装。
展开摘要
阅读全文
Key Points
- 先定义问题，再判断是否真的需要引入检索。
- 切分策略应当服从文档结构与问题类型，而不是固定长度。
- 只把最相关的片段交给模型，信息越多不等于答案越好。
NOTE 003
2026.09.27
方法
提示词的结构化写法：
角色、约束与示例
用更少的字数表达更清楚的任务，让输出稳定、可检查。
展开摘要
阅读全文
角色、约束与示例
Key Points
- 先写清目标与验收标准，再补充角色和语气。
- 约束要具体可执行，避免堆叠抽象要求。
- 示例是最有效的格式说明，但需要覆盖边界情况。
NOTE 004
2026.09.14
评测
用一套小评测集，判断模型是否真的变好
不凭感觉换模型：从任务样本、评分规则到回归对比。
展开摘要
阅读全文
Key Points
- 评测集不需要一开始就很大，但必须覆盖真实任务。
- 先固定评分规则，再比较不同模型与提示词版本。
- 记录失败样本，比只看平均分更有价值。
NOTE 005
2026.08.30
智能体
Agent 的边界：什么时候该让模型自己规划
工具调用、任务拆解与失败恢复，哪些问题适合交给智能体。
展开摘要
阅读全文
Key Points
- 步骤清晰、结果可验证的任务，更适合引入智能体。
- 工具越多，失败路径越多，需要提前设计回退方案。
- 自动化之前，先用人工流程确认每一步的判断标准。
NOTE 006
2026.08.16
选型
微调、RAG 与提示词：
三种方案怎么选
从知识时效、行为稳定性和成本出发，做一张选型决策表。
展开摘要
阅读全文
三种方案怎么选
Key Points
- 需要注入最新知识时，优先考虑检索，而不是重新训练。
- 需要稳定输出特定风格或格式时，才评估微调。
- 先用提示词把问题定义清楚，再决定是否增加系统复杂度。
02 / Learning Path
先建立地图，
再走进细节。
不追每一个新名词。用四个阶段，把 AI 学习变成一条可以持续走下去的路。
建立地图
理解模型、数据与算力之间的关系，先形成完整认知框架。
理解 · 框架动手实验
从一个最小可运行示例开始，观察输入与输出的变化。
实验 · 观察工程落地
关注检索、评测、成本与稳定性，把 Demo 变成可用的系统。
搭建 · 稳定持续复盘
记录失败案例与判断依据，让每次迭代都有迹可循。
复盘 · 迭代学习不是收集答案，
而是建立自己的判断。 A NOTE TO MYSELF
03 / Topic Index
主题索引
从概念到实践，按主题整理的学习线索。每一个方向都从一个小问题开始。
基础概念
模型如何工作
提示词
让意图更清晰
检索增强
让回答有据可依
模型评测
用数据代替感觉
智能体
任务拆解与工具调用
微调
改变模型的行为
工程实践
从 Demo 到系统
论文共读
回到一手资料
04 / About
慢一点，
但学得深一点。
— 一个长期学习者的记录
「学习 AI 的笔记」
记录我的 AI 学习过程。
这里整理我在大模型、检索增强、智能体与评测方向上的阅读、实验和复盘。比起追逐每一个新名词，我更关心一个方法为什么有效，又会在什么条件下失效。
我尽量只写下亲手验证过的内容；对尚未想清楚的问题，也会保留过程与疑问。技术变化很快，旧结论会被新的实验修正。
- 内容定位
- AI 学习笔记与技术随笔
- 站点性质
- 个人非商业静态页面
- 记录原则
- 一手资料 · 可复现实验 · 诚实复盘
本站为纯静态页面，内容仅供学习参考，不构成任何专业建议。