当前学习状态

更新时间：2026-06-10

当前阶段

第一部分：机器学习与深度学习基础

已完成

• 建立 machine-learning 学习专题目录。
• 建立 Git 仓库并完成初始提交。
• 制定并审计学习目标与大纲。
• 完成第一讲：什么是机器学习。
• 完成第一讲理解检查。
• 建立学习过程记录机制。
• 新增仓库级 AGENTS.md，用于强化后续学习记录流程。
• 创建第二讲讲义：数据、特征与标签。
• 完成第二讲理解检查。
• 记录第二讲理解检查答案。
• 创建第三讲讲义：分类、回归、聚类和降维。
• 创建旁支专题目录 人工智能/提示词工程。
• 创建提示词工程总论讲义和模板库。
• 补充提示词工程进阶讲义、长文档与法律文书讲义、评估清单。
• 扩展提示词工程为现代 Prompt 生态专题，新增 Skills、指令层级、长期上下文、Subagents、Memory、MCP 等内容。
• 整理提示词工程目录结构，将主线课程、工具箱和场景案例分层。
• 补充提示词工程 Eval 自动化与回归测试课程，建立评估集模板。
• 补充提示词工程多智能体协作与 Subagents 课程，建立协作模板。
• 补充提示词工程成本、延迟优化与生产监控课程，建立上线评审模板。
• 补充提示词工程综合实战案例，串联 Prompt、RAG、工具调用、Agent、Eval 和生产监控。

当前掌握情况

已经基本理解：

• 机器学习与传统程序的区别。
• 训练和推理的区别。
• 损失函数用于衡量预测错误。
• 样本、特征、标签。
• 监督学习、无监督学习、自监督学习的基本区别。
• 深度学习不等于不需要人工标注。

需要继续巩固：

• 损失函数只负责衡量错误；参数更新方向来自损失函数的梯度和优化器。
• 自监督学习的定义是从数据本身构造训练目标；数据量大是现实动机，不是定义。
• 分类、回归、聚类、降维之间的区别。

下一讲

第三讲理解检查：分类、回归、聚类和降维

旁支专题

提示词工程：

• 已创建 人工智能/提示词工程/README.md。
• 主线课程已整理到 人工智能/提示词工程/核心课程/：
  • 00-现代Prompt生态地图.md
  • 01-现代提示词工程总论.md
  • 02-从提示词到上下文工程.md
  • 03-Agent Skills与可复用能力.md
  • 04-指令层级与长期上下文.md
  • 05-RAG与文件检索.md
  • 06-工具调用MCP与Agent工作流.md
  • 07-Eval自动化与回归测试.md
  • 08-多智能体协作与Subagents.md
  • 09-成本延迟优化与生产监控.md
• 工具材料已整理到 人工智能/提示词工程/工具箱/：
  • 模板库.md
  • 评估清单.md
  • Eval自动化模板.md
  • 多智能体协作模板.md
  • 成本延迟优化模板.md
  • 综合实战项目模板.md
• 场景材料已整理到 人工智能/提示词工程/案例/：
  • 法律文书/长文档与法律文书提示词.md
  • 法律文书/法律文书模板.md
  • 法律文书/法律文书评估清单.md
  • 综合实战/知识库问答Agent实战.md
• 提示词工程主线已覆盖 Prompt、Context、Skills、RAG、工具调用、MCP、Agent、Eval、多智能体、成本延迟优化和生产监控，并已补充综合实战案例；后续建议按业务场景扩展案例库、把模板做成可执行脚本，或回到机器学习主线。

当前讲目标

• 理解分类是预测类别。
• 理解回归是预测连续数值。
• 理解聚类是无标签分组。
• 理解降维是压缩复杂数据表示。
• 建立和 YOLO、LLM 的连接：YOLO 同时做分类和回归；LLM 的 next-token prediction 可以看成大规模分类。

第三讲后续

等待学生回答第三讲理解检查。通过后进入第四讲：模型、参数与预测。

每次继续学习前要做

1. 读取本文件。
2. 读取 00-roadmap/learning-log.md 的最近记录。
3. 按 00-roadmap/session-recording-policy.md 记录本次学习过程。
4. 遵循仓库根目录 AGENTS.md。