AI 开发学习知识库¶

一句话：LLM 只是「根据已有 token 预测下一个 token」的概率模型；Agent、Function Calling、MCP、Skills、压缩、记忆、Sub Agent、Harness，全都是在有限上下文里尽可能准确高效完成任务的工程方法。整个知识库只讲这一件事。

骨架借鉴 labuladong 的 AI 开发教程（选题、章节划分、「先用起来再讲原理」的讲法）。 📖 是免费章节的读书笔记（请先读原文）；✍️ 是独立原创课文：会员章节全部重写（没有使用原站付费内容），另有 5 篇地基章虽然原文免费，也写成了自成一体的课文，原文作为延伸阅读。

学习路线（为你调整过的顺序）¶

你已经是 Claude Code 重度用户，所以顺序和原站不同：先拆你每天在用的东西，再自己造一个。机器学习部分是选修，和 Agent 主线相互独立。

flowchart LR
  P0["0 核心概念<br/>token · 上下文"] --> P1["1 工具技巧<br/>hooks · subagent · skills"]
  P1 --> P2["2 拆解工业级 Agent<br/>抓包 · 压缩 · 记忆 · 权限"]
  P2 --> P3["3 Agent 开发基础<br/>chatbot · RAG · MCP"]
  P3 --> P4["4 手搓 mini Claude Code<br/>21 次增量"]
  P0 -.选修.-> P5["5 机器学习基础"] --> P6["6 神经网络 + LLM<br/>推理 · LoRA"]

部分	讲什么	建议
第 0 部分 · 核心概念	主线的起点：token、上下文、API，所有后续章节的地基	⭐ 必读，1 天
第 1 部分 · AI 工具使用技巧	你天天在用的 Claude Code 能力，这次看清它们怎么实现	⭐ 只读付费 5 章 + 两篇模型文件，2 天
第 2 部分 · 拆解工业级 Agent	抓包、system prompt、压缩、记忆、权限——Claude Code / Codex 内部	⭐⭐ 重点，1 周
第 3 部分 · Agent 开发基础	从聊天机器人到 Coding Agent、RAG、MCP，亲手写一遍	⭐⭐ 重点，1 周
第 4 部分 · 手搓 mini Claude Code	一个工程从 0 长到 21 个能力，每章一次增量	⭐⭐⭐ 核心项目，2–3 周
第 5 部分 · 机器学习基础 + 经典算法	想看懂 LLM 训练再来，从拟合、梯度下降讲起	选修
第 6 部分 · 神经网络 + LLM 开发基础	手写自动求导、优化器、推理全流程、LoRA 微调	选修

目录¶

勾选框用来跟踪进度（直接在编辑器里改 [ ] → [x]）。

第 0 部分 · 核心概念¶

主线的起点：token、上下文、API，所有后续章节的地基。

第 1 部分 · AI 工具使用技巧¶

你天天在用的 Claude Code 能力，这次看清它们怎么实现。

第 2 部分 · 拆解工业级 Agent¶

抓包、system prompt、压缩、记忆、权限——Claude Code / Codex 内部。

第 3 部分 · Agent 开发基础¶

从聊天机器人到 Coding Agent、RAG、MCP，亲手写一遍。

第 4 部分 · 手搓 mini Claude Code¶

一个工程从 0 长到 21 个能力，每章一次增量。

第 5 部分 · 机器学习基础 + 经典算法¶

想看懂 LLM 训练再来，从拟合、梯度下降讲起。

第 6 部分 · 神经网络 + LLM 开发基础¶

手写自动求导、优化器、推理全流程、LoRA 微调。

配套代码¶

第 0–4 部分的代码有 Node（TypeScript）和 Python 两版，逻辑一一对应，正文默认展示 Node 版，代码块上方的标签页可以切到 Python。第 5–6 部分是 PyTorch 训练，只有 Python 版。

目录	内容	运行
`code/agent-node/`	第 0–3 部分的示例（Node 版）：hook 演示、chatbot、RAG、MCP server、抓包代理	`cd code/agent-node && npm ci && npm test`
`code/mini_cc-node/`	第 4 部分的 mini Claude Code（Node 版）	`cd code/mini_cc-node && npm ci && node mini_cc/cli.ts`
`code/agent/`	同上，Python 版	`cd code/agent && uv run pytest -q`
`code/mini_cc/`	同上，Python 版；`CHANGELOG.md` 记录每章增量	`cd code/mini_cc && uv run python -m mini_cc`
`code/ml/`	第 5–6 部分的手写算法，均与 sklearn / torch 对拍	`cd code/ml && uv run pytest -q`

Node 版需要 Node 24 以上，直接运行 .ts 文件，没有构建步骤。

所有测试都跑离线 fake 模型，不消耗 API。要连真实模型，设置 ANTHROPIC_API_KEY（可选 ANTHROPIC_BASE_URL）。

维护¶

网页版预览：cd .site && uv run mkdocs serve，打开 http://127.0.0.1:8000（导航按 curriculum.json 自动生成，新章节写出来刷新就有；新增部分目录时先跑 python3 tools/build_site.py）
章节清单的唯一来源是 curriculum.json；改完重跑 python3 tools/build_readme.py
写作规范：STYLE.md
原站更新了新章节：重新抓 sitemap（/sitemap.xml 里 /zh/ai-coding/ 开头的地址），在 curriculum.json 里追加