学习路线

四个阶段：Anthropic 笔记按 order 排列，外部资源（资源）穿插其间。

我的进度 0 / 36 步

勾选每一步记录进度，读完笔记也可以在笔记页底部“标记为已读”。进度只保存在本机浏览器（localStorage），换设备或清除浏览器数据后不保留。

阶段 1 · 入门（笔记 1–4）

建立“LLM + 工具循环”的直觉，能调 API、写提示、定义工具

0 / 5

01 资源 Hugging Face AI 智能体课程 · Unit 0–1：入门与智能体基础
02 笔记 #1 构建高效的智能体：从简单可组合的模式出发 · 15 分钟
选读资源 Anthropic 官方课程（已归档，选读） · 选读：API 基础 + 提示工程互动教程（只挑章节看）
03 笔记 #2 面向 AI 智能体的上下文工程 · 11 分钟
选读资源 Anthropic 官方课程（已归档，选读） · 选读：Tool use 课程
04 笔记 #3 为智能体编写高效工具——借助智能体本身 · 11 分钟
05 笔记 #4 Claude Code 最佳实践 · 14 分钟
选读资源 DeepLearning.AI 智能体相关短课精选 · 入门阶段选看：Building toward Computer Use with Anthropic

↳ 入门阶段结束后，可同时开始并行的原理支线（6 条，不占主线编号）

阶段 4 · 前沿（笔记 24–26）

规模化后的可靠性与基础设施，建立持续跟进的信息源

0 / 5

32 笔记 #24 近期三个问题的事后复盘 · 11 分钟
33 笔记 #25 关于近期 Claude Code 质量反馈的说明（4 月 23 日复盘） · 11 分钟
34 笔记 #26 在 Anthropic 重新设计源代码控制 · 17 分钟
35 资源 Simon Willison 的博客：几个推荐入口 · 4 个入口：Agentic Engineering Patterns 指南、致命三要素、智能体定义、用于长期跟踪的标签页
36 资源 Simon Willison 的博客：几个推荐入口 · 持续跟进清单：每周浏览 coding-agents / prompt-injection 标签页，并留意 Anthropic 工程博客新文章

原理支线（并行 · 6 条）

从入门阶段结束后开始，与体系和实战并行。支线条目不计入主线编号与步数，可按自己的节奏穿插阅读。

0 / 6

01 原理 30u30：30 篇经典 AI 论文（原理支线） · 原理支线 P1：Day 1–2（序列与预测下一个 token），入门结束后开始 · 站内论文笔记：Day 01 循环神经网络为什么“好用得不讲道理”：字符级语言模型入门、Day 02 理解 LSTM：用“门”管理记忆的循环网络 · 对应主线入门阶段，读完笔记 #4 Claude Code 最佳实践后
02 原理 30u30：30 篇经典 AI 论文（原理支线） · 原理支线 P2：Day 15 → 13 → 14（注意力与 Transformer；从这里起需要 PyTorch 基础），第 8–13 步期间 · 站内论文笔记：Day 13 Attention Is All You Need：只用注意力的 Transformer、Day 14 The Annotated Transformer：把论文逐段变成可运行代码、Day 15 Bahdanau 注意力：翻译时边对齐边生成 · 对应主线体系阶段，读完笔记 #5 上下文检索：给每个文本块补上“它来自哪里” 后
03 原理 30u30：30 篇经典 AI 论文（原理支线） · 原理支线 P3：Day 17、18（外部记忆与指针网络），第 14–20 步期间 · 站内论文笔记：Day 17 神经图灵机：给神经网络接上一块可读写的外部记忆、Day 18 指针网络：输出不是词表里的词，而是“指向输入的第几个” · 对应主线体系阶段，读完笔记 #11 揭秘 AI 智能体评测后
04 原理 30u30：30 篇经典 AI 论文（原理支线） · 原理支线 P4：Day 25（规模定律），第 21–24 步期间 · 站内论文笔记：Day 25 神经语言模型的缩放定律：损失随规模按幂律下降 · 对应主线实战阶段，读完笔记 #17 长时运行智能体的有效 harness 后
05 原理 30u30：30 篇经典 AI 论文（原理支线） · 原理支线 P5：Day 29 → 30（PPO 与 RLHF），第 25–31 步期间 · 站内论文笔记：Day 29 近端策略优化（PPO）：用“截断”把每次策略更新限制在安全范围内、Day 30 基于人类偏好的深度强化学习：不写奖励函数，让人比较两段录像 · 对应主线实战阶段，读完笔记 #19 用一支并行 Claude 团队构建 C 编译器后
06 原理 30u30：30 篇经典 AI 论文（原理支线） · 原理支线 P6 与补完：Day 4–7、26、27（理论），其余 14 篇按单元补完，与跟进前沿并行 · 站内论文笔记：Day 03 循环神经网络的正则化：dropout 只加在层与层之间、Day 04 用最短描述长度让神经网络保持简单：给权重加噪声、按比特计价、Day 05 最小描述长度原理入门：学习就是压缩、Day 06 复杂动力学第一定律：熵一直增加，“有趣程度”却先升后降、Day 07 咖啡自动机：在封闭系统里量化复杂度的先升后降、Day 08 AlexNet：用深度卷积网络和两块 GPU 刷新 ImageNet、Day 09 ResNet：让每一层只学“残差”，网络从几十层做到上百层、Day 10 深度残差网络中的恒等映射：把归一化和激活挪到卷积之前、Day 11 空洞卷积的多尺度上下文聚合：不降分辨率也能看得更远、Day 12 Dropout：随机丢弃神经元，防止网络过拟合、Day 16 顺序很重要：把序列到序列模型扩展到集合、Day 19 关系网络：一个专门做关系推理的简单神经网络模块、Day 20 关系循环神经网络：让记忆槽之间用注意力互相交流、Day 21 神经消息传递：用统一框架在分子图上预测量子化学性质、Day 22 Deep Speech 2：用同一套端到端深度学习识别英语和普通话、Day 23 变分有损自编码器：控制潜在编码只记住全局结构、Day 24 GPipe：把模型切段、把批次切片，用流水线并行训练超大网络、Day 26 Kolmogorov 复杂性与算法随机性：用“最短描述”衡量信息和随机、Day 27 机器超级智能：用“智能体—环境”循环给智能下一个数学定义、Day 28 CS231n 卷积神经网络讲义：卷积层、池化层与网络尺寸的计算 · 对应主线前沿阶段，读完笔记 #26 在 Anthropic 重新设计源代码控制后

学习路线

阶段 1 · 入门（笔记 1–4）

阶段 2 · 体系（笔记 5–16）

阶段 3 · 实战（笔记 17–23）

阶段 4 · 前沿（笔记 24–26）

原理支线（并行 · 6 条）

学习路线

阶段 1 · 入门 （笔记 1–4）

阶段 2 · 体系 （笔记 5–16）

阶段 3 · 实战 （笔记 17–23）

阶段 4 · 前沿 （笔记 24–26）

原理支线 （并行 · 6 条）

阶段 1 · 入门（笔记 1–4）

阶段 2 · 体系（笔记 5–16）

阶段 3 · 实战（笔记 17–23）

阶段 4 · 前沿（笔记 24–26）

原理支线（并行 · 6 条）