agent run --goal "做出能上線的 AI 應用與 agent"
- plan20 章、7 個 Part；應用路線從 S0 直接接到 S6
- toolread("S0 全局地圖")
- observe看懂 token、模型、應用、agent 怎麼接起來
- toolbuild("A6 串流聊天介面與 trace")
- toolbuild("A9 附引用的 RAG")
- toolbuild("A12 手寫 harness")
- toolbuild("A18 多使用者部署")
- done一個已部署上線、自己每天在用的 agent
主題 點了會跳到該章的對應段落M 模型專案（選做的實作題）A 系統專案（選做的實作題） 安全檢查點S／A／M 代號怎麼讀
Part I 全貌
Part II 模型原理選修・深入路線
想懂模型怎麼運作再走；只做應用的人可以先跳過，從 S6 LLM API 與應用基本功繼續。
Part II 的 5 章（S1–S5），點開或切到深入模式就會顯示
Part III 應用基礎
Part IV 知識與行動
Part V Agent 系統
Part VI 可信、產品、上線
Part VII 綜合實戰
應用路線（推薦給多數人）想做出 AI 應用或 agent：S0 全局地圖 → 模型速成 → Part III 到 Part VII（S6–S19）。不需要機器學習背景。
理解路線（不寫程式）只想看懂 AI 系統怎麼運作：讀講義、做每章的「先試一下」與自我檢查。
完整路線（含模型原理）也想懂模型內部怎麼運作：從 S0 全局地圖依序走到 S19 真實 agent 系統與畢業專題。Part II 模型原理（S1–S5）比較底層、用到較多數學。
不會寫程式也能開始：只讀講義、做每章的「先試一下」與自我檢查，就能看懂 AI 系統怎麼運作（理解路線）；要動手做題目，需要基本的程式、HTTP 與 JSON 能力（實作路線）。
每一章都有兩種讀法，可以在頁首切換：淺顯只顯示主線，第一次讀就看得懂；深入會展開實作細節、推導、選修主題和進階題。
走完系統專案，你會有什麼
Section titled “走完系統專案，你會有什麼”系統專案是各章的進階題。走完它，你會有一個已部署上線、自己每天在用的 agent，具備 RAG、工具、記憶、評估與安全防護；你也會有可以拿給別人審查的工程證據。每一章幫它長出一種能力（A 後面的數字對應章號，見代號怎麼讀）：
| 階段 | 你的系統長出什麼 |
|---|---|
| Part III 應用基礎（A6–A8） | 串流聊天介面（Gradio、Chainlit 或 CLI 也可以）與 trace、穩定的 structured output 與 workflow、從真實 trace 長出的 golden set 與 judge |
| Part IV 知識與行動（A9–A11） | 附引用的 RAG、帶風險分級的工具與 MCP server、有預算與快取的 context builder |
| Part V Agent 系統（A12–A15） | 手寫 harness、分層記憶、trajectory eval 與 prompt 最佳化，multi-agent 只在評估勝出時保留 |
| Part VI 可信、產品、上線（A16–A18） | 安全稽核與修補、完整前端、多使用者部署與 eval 把關的發布流程 |
| Part VII 綜合實戰（A19） | 畢業專題：延伸成常駐 agent |
完整對照見系統專案 A6–A19。
兩個實作專案
Section titled “兩個實作專案”模型專案 M1–M5從 autograd 到自己的 tiny GPT，再到在小模型上跑 SFT、DPO、GRPO，最後寫一個迷你推論伺服器。
系統專案 A6–A19選一個你在意的應用，從串流聊天一路長成有 RAG、工具、harness、記憶、評估、安全防護並部署上線的 agent。
講義內容以 CC BY-NC-SA 4.0 授權：可以轉載與改作，但要標示出處、不得用於商業用途，改作也要用相同授權。引用的第三方內容與商標屬於原作者。