README · 笔记库导航与使用方法
这套笔记库是什么
本库以 Obsidian 为载体,组织一部系统的 AI 原理教材。文件是 .md,结构由双链与 MOC 承担,内容按「定义 → 动机 → 推导 → 直觉 → 例子与代码 → 易错点 → 达标检测 → 参考」组织。目标读者画像为具备算法竞赛与较强编程基础、需要硬核原理与可复现实现的学习者,因此内容包含完整推导、维度分析与可运行代码,不做科普式简化。
三个能力目标贯穿全书:理解底层原理、独立复现实现、进行工程化评估。每篇笔记的「为什么重要」一节说明它在三个目标中的位置。
快速开始
- 安装 Obsidian(桌面版),选择「打开文件夹作为库」,指向本目录。
- 打开设置 → 外观 → 字体,安装支持数学符号的字体;Obsidian 内置 MathJax 可直接渲染
$...$与$$...$$,无需插件。 - 建议启用核心插件:Backlinks(反向链接)、Outgoing links(出链)、Graph view(关系图)、Tags、Templates(模板目录设为
模板/)。 - 可选社区插件:Dataview(按 frontmatter 聚合进度)、Templater(变量替换)、Excalidraw(手绘图)、Advanced Tables。本库不依赖任何社区插件即可完整阅读。
- 从 00-MOC 进入,按「学习路径」推进。
目录结构
AI学习笔记库/
├── 00-MOC.md 总索引
├── README.md 本文件
├── 01-数学基础/ 线性代数、微积分、概率、矩阵分解、优化
├── 02-Python与数据处理/ Python、NumPy、Pandas、Matplotlib、数据工程
├── 03-经典机器学习/ 回归、SVM、树模型、聚类、降维、评估、系统设计
├── 04-深度学习核心/ 网络、反向传播、损失、优化器、CNN/RNN、训练工程
├── 05-Transformer与LLM原理/ 注意力、Transformer、GPT/Llama、KV Cache、MoE、从零实现
├── 06-Prompt与RAG/ Prompt、嵌入、检索、分块、重排、评估、实现
├── 07-微调与对齐/ PEFT、LoRA/QLoRA、SFT、RLHF、DPO
├── 08-Agent与工程化/ 工具调用、编排、记忆、MCP、推理优化、分布式
├── 09-评估安全与前沿/ 评估、幻觉、安全、可解释性、多模态、研究方法
├── 模板/ 概念笔记模板、阶段 MOC 模板
└── 学习追踪/ 学习记录模板、项目日志
笔记约定
Frontmatter 字段
| 字段 | 含义 | 取值 |
|---|---|---|
tags | 检索标签 | 首项固定 AI,其余为阶段与主题词 |
阶段 | 所属阶段 | 与目录名一致,如 05-Transformer与LLM原理 |
难度 | 认知负荷 | ★☆☆ 入门、★★☆ 中等、★★★ 困难 |
created | 创建日期 | YYYY-MM-DD |
related | 关联双链 | 字符串,含 2–4 个 [[...]] |
Dataview 示例,列出所有未达标的高难度笔记:
TABLE 阶段, 难度, created
FROM "05-Transformer与LLM原理"
WHERE 难度 = "★★★"
SORT file.name ASC
双链与 MOC
- 双链只指向本库内笔记,格式
笔记名;需要显示别名时用别名。 - 每篇笔记的「关联笔记」一节标注关系类型:前置、后续、对照、应用。沿「前置」回溯可补齐缺口,沿「后续」可确认学习动机。
- MOC 只负责组织与顺序,不重复正文推导;MOC 中的学习顺序附有排序理由。
数学与代码
- 矩阵记作大写字母(如 ),向量小写粗体(如 ),标量小写斜体(如 ),集合用花体(如 )。各篇首次出现时重新声明符号。
- 公式推导使用编号步骤,便于逐步复核;维度在关键处标注,例如 。
- 代码为 Python,深度学习部分使用 PyTorch;每个代码块给出输入输出形状或预期数值。运行前安装依赖:
python -m venv .venv
# Windows
.venv\Scripts\activate
pip install numpy pandas matplotlib torch transformers datasets peft trl
学习方法
- 先跑通再深挖:每篇先运行「例子与代码」,得到可观察结果,再回到推导。能运行的最小实现是检验理解的唯一客观标准。
- 只深挖关键概念:对全库主干概念(梯度、反向传播、注意力、LoRA、RAG 检索、Agent 循环)要求手推;对工程细节允许查文档。
- 按需回溯数学:遇到不熟悉的符号或运算,沿「前置」双链回到 01 阶段,补齐后立即返回,不在数学阶段无限扩张。
- 闭环导向:每篇结束完成「达标检测」;不能完成的项目即为下一轮复习入口。每完成一个阶段,用该阶段 MOC 的达标清单做一次整体自测。
- 以项目固化:05 阶段完成 从零实现小型GPT指南,06 阶段完成 从零实现RAG指南,07 阶段完成一次 LoRA 微调,08 阶段按 端到端项目模板 交付一个可演示系统。
复习与评估
- 间隔复习:新学笔记在 1 天、7 天、30 天后各复述一次定义与推导主线,复述失败则重读对应小节。
- 主动回忆:合上笔记,在白纸上写出该机制的输入输出、关键公式与一个反例,再对照笔记修正。
- 阶段评估:使用各阶段 MOC 的「达标清单」;03、06、09 阶段另需完成评估指标计算与实验设计练习。
- 记录:在 项目日志 中记录实验配置、指标与失败原因,避免重复调试。
引用与版权
- 笔记中的公式与结论尽量给出原始来源;论文引用使用 arXiv 编号,教材注明章节。
- 转述中文内容为学习用途,直接引用原文时标注出处。代码示例为教学重写,不复制大段受版权保护的仓库代码。
如何扩充本库
- 复制 概念笔记模板 到目标阶段目录,重命名为概念名,补齐 frontmatter 与九个规定小节。
- 至少添加 3 条双链:一条前置、一条后续、一条对照或应用,并在对应笔记的「关联笔记」中回链,保证图中无孤立节点。
- 若新增笔记属于某阶段主干,更新该阶段 MOC 的学习路径与达标清单,并在 00-MOC 的阶段地图中检查是否需要调整顺序。
- 新增笔记后运行一次链接检查:确认所有
...目标存在,避免断链。
常见问题
- 公式不渲染:确认
$` 与 `$$成对出现,且未处于代码块内;Obsidian 设置中 MathJax 默认开启。 - mermaid 不渲染:确认代码块语言标记为
mermaid,且图中节点文本不含未转义的括号。 - 双链显示为未创建:检查文件名是否与链接完全一致(包括中文标点与连字符),Obsidian 对大小写与全半角敏感。
- 代码在 Windows 下路径报错:使用
pathlib.Path或原始字符串,避免反斜杠转义。