AI 基础理论目录说明

本目录收录 LLM、Transformer、Embedding、Prompt Engineering、RAG、Agent、模型训练等 AI 基础概念与原理性内容。

文章索引

序号	文章	核心内容
01	LLM 原理	Token、Tokenizer、自回归生成、关键参数、主流模型对比
02	Transformer 架构	Self-Attention、Q/K/V、多头注意力、FFN、位置编码
03	Embedding 与向量表示	词向量/句向量/Token 向量、余弦相似度、向量数据库
04	Prompt Engineering	Few-shot、Chain-of-Thought、System Prompt、结构化提示
05	RAG 原理	文档分块、Embedding 索引、向量检索、生成与评估
06	Agent 原理	规划、工具调用、记忆、反思、ReAct、多 Agent 协作
07	模型训练与对齐	预训练、SFT、RLHF、DPO、LoRA、量化
08	AI 工程学科全景	沟通线（Prompt→Context→Memory）、控制线（Harness）、演化脉络

推荐学习顺序

01-LLM 原理 → 02-Transformer 架构 → 03-Embedding → 07-模型训练与对齐
                                                          ↓
                          06-Agent 原理 ← 05-RAG 原理 ← 04-Prompt Engineering

判定原则

• 若文章重点是解释概念、原理、架构边界，应进入本目录
• 若文章重点是调用方式或工程落地，应迁往 02-模型与API 或 03-AI应用开发