Agent 上下文预算 Skills 与前缀缓存
区分上下文、运行状态、技能说明和缓存，按需加载知识并验证压缩后的决策信息。
已核验
START HERE / 从这里开始
全部路径 →沿着一条路径，系统学习
- 01建立 AI 全景与学习顺序
- 02AI 数学基础：张量、梯度与概率
- 03机器学习工作流：任务、数据与泛化
- 04数据与特征管线：先划分，再拟合
- 05监督学习算法：线性、树、集成与距离
- 06机器学习评估：指标、阈值与交叉验证
- 07深度学习训练：计算图、损失与优化
- 08优化与正则化：学习率、泛化与训练曲线
- 09PyTorch 训练实践：数据、梯度与 checkpoint
- 10Token 与上下文
- 11Transformer：注意力、位置与生成
- 12AI 模型选型：先看任务，再比较模型
- 13提示设计：任务、上下文、示例与输出约束
- 14结构化输出与工具调用：格式正确之后还要验证
- 15Embedding 与向量检索：表示、相似度和索引
- 16让答案回到证据
- 17智能体执行循环：模型、工具、状态与停止
- 18评估基线
- 19LLM 评估：样本、评分、评判模型与回归
- 20AI 推理工程：延迟、缓存、吞吐与复现
- 21视觉与视觉语言模型：像素、任务与坐标
LATEST NOTES / 近期记录
全部笔记 →理解与验证，都留下痕迹
Agent 评估指标 轨迹边界与协作成本
区分探索成功与重复可靠性，用任务和轨迹前缀验证行为，并比较多 Agent 的信息收益、冲突与预算。
已核验
事件驱动 Agent 的取消与交互状态
将外部消息、迟到工具结果和用户修订建模为事件，控制任务归属、抢占、重复动作及界面状态验证。
已核验
EXPLORE / 按主题探索