# 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`。