AI 工程学习系列
AI 原理与应用设计
理解学习、注意力、多模态与模型适配，把能力边界落实到应用设计。
建议基础：了解基本编程与向量概念；公式和小型示例用于解释机制。 离线示例用于检查核心机制；完整平台或项目需按文中步骤另行实现与验收。
能选择模型能力并解释其限制。
能选择模型能力并解释其限制。
系列目录
从学习目标理解神经网络与语言模型
从训练目标与 token 预测解释模型行为，用 softmax 聚合实验理解注意力，并区分完整架构和应用评估。
把模型能力写成可检验的任务契约
把分类与提取任务拆成能力、上下文、输出和拒绝契约，核验结构之外的事实、来源与执行权限。
图像、语音与视频进入应用后要补什么
把教学媒体处理拆成模态任务、输入校验、时间对齐、资产状态与复核，明确抽样、生成和识别的证据范围。
什么时候需要微调，什么时候改应用就够了
按分类错误比较提示、检索、微调与推理部署，说明数据泄漏、LoRA 条件、内存估算和版本恢复。
连接工具与 Agent 时，先定义谁负责执行
区分 MCP 工具、A2A 任务、SDK 执行循环与 skills 材料，以窄读取契约检查授权、参数和结果责任。
把知识库应用做成能定位错误的系统
把知识应用拆成采集、检索、生成与审计，核对片段来源、权限、无答案和框架状态，定位错误发生的阶段。