中文书稿：线性阅读目录¶
从扉页开始，依次阅读前言、读法、九篇正文和后附页。每篇章号重新开始；下列顺序以篇内原章号为准，不按网站模块目录排序。这里链接同一份章节正文，不另存一套副本。
第一篇：大语言模型（23章）¶
- 第一篇 第1章：大语言模型与传统 NLP 的本质区别
- 第一篇 第2章：Transformer 架构原理
- 第一篇 第3章：MHA 的局限与 MQA、GQA、Flash Attention
- 第一篇 第4章：位置编码
- 第一篇 第5章：Tokenizer 分词器
- 第一篇 第6章：大模型的三阶段训练流程
- 第一篇 第7章：Scaling Law 与涌现能力
- 第一篇 第8章：大模型微调方案
- 第一篇 第9章：LoRA 深入解析
- 第一篇 第10章：Post-Training 方法全景
- 第一篇 第11章：DPO vs PPO 深度对比
- 第一篇 第12章：解码策略
- 第一篇 第13章：Temperature、Top-P、Top-K 调参
- 第一篇 第14章：KV Cache 与 Prompt Caching
- 第一篇 第15章：模型量化
- 第一篇 第16章：Prompt 工程
- 第一篇 第17章：CoT 思维链
- 第一篇 第18章：幻觉的成因与缓解
- 第一篇 第19章：MoE 混合专家模型
- 第一篇 第20章：部署框架选型
- 第一篇 第21章：能力评测指标
- 第一篇 第22章：模型选型实践
- 第一篇 第23章：多模态模型
第二篇：多模态 AI（10章）¶
- 第二篇 第1章：多模态表征与融合架构
- 第二篇 第2章：视觉语言模型与视觉 Grounding
- 第二篇 第3章：OCR 与 Document AI
- 第二篇 第4章：Computer Use 与 GUI Agent
- 第二篇 第5章：语音识别、合成与音频语言模型
- 第二篇 第6章：实时全双工语音交互
- 第二篇 第7章：扩散模型、Flow Matching 与图像生成
- 第二篇 第8章：视频生成模型
- 第二篇 第9章：多模态训练数据与对齐
- 第二篇 第10章：多模态评测、安全与推理服务
第三篇：工具与协议（15章）¶
- 第三篇 第1章：Function Calling 是什么，原理是什么
- 第三篇 第2章：LLM 如何学会调用工具
- 第三篇 第3章：工具定义与 Schema 工程
- 第三篇 第4章：MCP 模型上下文协议的核心内容
- 第三篇 第5章：MCP 的三层组成
- 第三篇 第6章：MCP 与 Function Calling 的区别与选型
- 第三篇 第7章：为什么有些推理模型不支持 MCP
- 第三篇 第8章：Skill 是什么
- 第三篇 第9章：Skill 与 MCP 的区别
- 第三篇 第10章：Function Calling、MCP、Skill 三者关系
- 第三篇 第11章：A2A 协议
- 第三篇 第12章：MCP 的传输层
- 第三篇 第13章：SSE、WebSocket 与 WebRTC
- 第三篇 第14章：LLM 网关
- 第三篇 第15章：Tool Protocol 安全
第四篇：检索增强生成（22章）¶
- 第四篇 第1章：RAG 是什么，解决什么问题
- 第四篇 第2章：RAG、微调与长上下文的三方取舍
- 第四篇 第3章：文档解析与预处理
- 第四篇 第4章：Chunking 策略与粒度选择
- 第四篇 第5章：语义被切断怎么办
- 第四篇 第6章：Embedding 原理与技术演进
- 第四篇 第7章：Embedding 模型选型与评估
- 第四篇 第8章：向量数据库与 ANN 索引
- 第四篇 第9章：向量库生产实践与性能调优
- 第四篇 第10章：RAG 在线链路全流程
- 第四篇 第11章：检索范式：稀疏、稠密与后期交互
- 第四篇 第12章：Query 理解与改写
- 第四篇 第13章：多路召回、RRF 融合与 Rerank
- 第四篇 第14章：RAG 优化的五层框架
- 第四篇 第15章：高级 RAG 范式
- 第四篇 第16章：GraphRAG 与图检索
- 第四篇 第17章：生成、Grounding 与幻觉规避
- 第四篇 第18章：RAG 评估体系
- 第四篇 第19章：知识库的动态更新与增量索引
- 第四篇 第20章：RAG 落地难点与安全
- 第四篇 第21章：多模态 RAG
- 第四篇 第22章：Text-to-SQL：从业务问题到可验证查询
第五篇：智能体（25章）¶
- 第五篇 第1章：从大模型到 AI Agent
- 第五篇 第2章：Agent 的现代系统架构
- 第五篇 第3章：Tools、Skills、Agents、Workflows 与 AGENTS.md
- 第五篇 第4章：Agent 设计范式
- 第五篇 第5章：Agent 的模型推理与搜索方法
- 第五篇 第6章：复杂任务拆分与调度
- 第五篇 第7章：AI Agent 的记忆机制
- 第五篇 第8章：Agent 长短期记忆系统的工程实现
- 第五篇 第9章：Single-Agent 与 Multi-Agent 系统
- 第五篇 第10章：Agent 记忆与上下文压缩
- 第五篇 第11章：如何赋予 LLM 与 Agent 规划能力
- 第五篇 第12章：Agent 的反思、验证与自我改进
- 第五篇 第13章：Multi-Agent 协作、路由与动态切换
- 第五篇 第14章：Agent 评估与 Benchmark
- 第五篇 第15章：Agent 安全与 Prompt Injection
- 第五篇 第16章：Agent Harness 的定义、边界与分层
- 第五篇 第17章：Agent Loop 与运行时状态机
- 第五篇 第18章：Context Engineering 与上下文装配
- 第五篇 第19章：Tool Registry、调用契约与执行管线
- 第五篇 第20章：权限、沙箱与隔离
- 第五篇 第21章：Checkpoint、持久化、重试、超时、幂等与恢复
- 第五篇 第22章：Human-in-the-loop、审批与可中断执行
- 第五篇 第23章：Tracing、评测、成本控制与 Coding Agent Harness 案例
- 第五篇 第24章：Coding Agent 的代码搜索、编辑与验证
- 第五篇 第25章：Agent 后训练：从失败轨迹到可靠策略
第六篇：框架与编排（23章）¶
- 第六篇 第1章：主流 AI Agent 开发框架概览
- 第六篇 第2章：Chain 的设计理念与 LCEL
- 第六篇 第3章：LangChain v1 的底层架构
- 第六篇 第4章：用 LangChain 构建生产级 Agent 的七步
- 第六篇 第5章：Tool 注册与工具契约
- 第六篇 第6章：LangChain 的短期记忆与长期记忆
- 第六篇 第7章：LangChain 与 LlamaIndex 的分工
- 第六篇 第8章：LangChain4j 与 Java 生态
- 第六篇 第9章：LangChain 与 LangGraph 的层次关系
- 第六篇 第10章：LangGraph 的核心优势
- 第六篇 第11章：LangChain 的版本演进
- 第六篇 第12章：Deep Research 的实现逻辑
- 第六篇 第13章：用 LangSmith 建立生产质量闭环
- 第六篇 第14章：LlamaIndex 的数据与索引抽象
- 第六篇 第15章：LlamaIndex 的查询引擎与 Workflows 编排
- 第六篇 第16章：DSPy 的声明式编程模型：Signature、Module 与 Program
- 第六篇 第17章：DSPy 的编译器与优化器
- 第六篇 第18章：Semantic Kernel 的核心抽象：Kernel、Plugin 与 Planner
- 第六篇 第19章：Semantic Kernel 的 Process Framework 与 Agent Framework
- 第六篇 第20章：AutoGen 与 CrewAI 的多智能体抽象
- 第六篇 第21章：PydanticAI 的类型安全范式与三者适用边界
- 第六篇 第22章：跨框架技术解构：状态、持久化、工具契约与可观测性
- 第六篇 第23章：Lock-in 识别、可移植架构与迁移策略
第七篇：生产工程（13章）¶
- 第七篇 第1章：LLMOps 是什么：与 MLOps、DevOps 的边界
- 第七篇 第2章：AI 应用生产架构全景
- 第七篇 第3章：模型网关、路由与回退
- 第七篇 第4章：重试、超时、幂等与熔断
- 第七篇 第5章：结构化输出与契约校验
- 第七篇 第6章：Guardrails 与降级策略
- 第七篇 第7章：离线评测与 Eval-Driven Development
- 第七篇 第8章：在线可观测性与 Tracing
- 第七篇 第9章：Prompt / 模型 / 数据版本管理
- 第七篇 第10章：LLM CI/CD 与灰度、Canary、A/B 发布
- 第七篇 第11章：缓存、批处理、吞吐与成本优化
- 第七篇 第12章：SLO、容量规划与事故响应
- 第七篇 第13章：反馈闭环与数据飞轮
第八篇：安全与治理（10章）¶
- 第八篇 第1章：AI 系统威胁建模与攻击面全景
- 第八篇 第2章：Prompt Injection、Jailbreak 与系统提示泄漏
- 第八篇 第3章：输出处理与 Secret Exfiltration
- 第八篇 第4章：训练、微调与 RAG 数据投毒
- 第八篇 第5章：模型供应链与序列化风险
- 第八篇 第6章：隐私、PII 与记忆泄漏
- 第八篇 第7章：Agent、Tool、MCP、A2A 最小权限与身份治理
- 第八篇 第8章：代码执行、浏览器与 Computer Use 沙箱及网络隔离
- 第八篇 第9章：安全评测、红队与持续保障
- 第八篇 第10章：AI 治理、风险分级、审计与内容出处