纳米AI (@antiAIvo)

Deepseek Harness真是太难用了 我才用了半天 就发现好几处非常明显的Bug 这种半成品直接推出来 我都怀疑这个项目可能没有产品 是一群程序员自嗨的产物？🤨

准备做一个新的技术教程系列：《从 0 手写一个 AI Agent》 整个系列分为 8 期： 第 1 期：写出你的第一个 Agent 跑通最小 Agent，理解模型、工具和执行循环 第 2 期：让 Agent 调用工具 学会 Tool Calling：定义工具、传参、执行、返回结果 第 3 期：亲手实现 Agent Loop 让 Agent 根据结果继续行动，加上退出条件和最大步数 第 4 期：让 Agent 保存任务进度 管理对话历史、工具结果和任务状态，支持保存与恢复 第 5 期：让 Agent 更可靠 处理报错、超时、重复调用，加入重试、成本限制和人工确认 第 6 期：接入检索与记忆 让 Agent 查资料库，理解 RAG、会话状态和长期记忆 第 7 期：验证 Agent 到底有没有变好 记录执行轨迹，建立测试任务，从正确率、耗时、成本评估 第 8 期：从单 Agent 走向复杂系统 理解何时用工作流、框架或多 Agent，并实现一个协作版本 目标： 看完能自己写出一个 Agent，也能解释它为什么这样工作

「从零手写大模型」系列完结了 推理篇 15 篇，训练篇 5 篇，共 20 篇 从模型的基本结构 到如何生成文字，再到损失、梯度与参数更新 把学习过程整理成了一套完整笔记 每一篇都有可练习的代码示例 📖 推理篇 · 15 篇 01｜LLM From Scratch：整体大纲路线 02｜Tokenizer：分词器 03｜Embedding：嵌入层 04｜Positional Encoding：位置编码 05｜Self-Attention：自注意力机制 06｜Multi-Head Attention：多头注意力机制 07｜Residual Connection：残差连接 08｜LayerNorm：层归一化 09｜FFN：前馈神经网络 10｜Activation Function：激活函数 11｜Transformer Block：Transformer 模块 12｜Transformer Stack：Transformer 堆叠 13｜Loading Pretrained Weights：加载预训练权重 14｜Text Generation：文本生成 15｜Interpretability：可解释性 🛠 训练篇 · 5 篇 01｜Loss Function：损失函数 02｜Backpropagation：反向传播 03｜Gradient Descent：梯度下降 04｜Adam Optimizer：Adam 优化器 05｜Learning Rate Scheduling：学习率调度 推理篇，理解模型如何一步步算出下一个 token 训练篇，理解模型如何从误差中学习、更新参数 欢迎一起学习、交流，也欢迎指出笔记里的问题

我觉得大部分𝕏做不起来的 主要是知识储备太少了 脑子里没什么可写的 只能写写废话挣流量 我提供两个起号方向 第一个：财经赛道 用AI把整个半导体产业链学习一遍 把那几十支热门股票 每一家的基本面 好好研究明白了 每天输出总结 第二个：大模型学习赛道 就一个Transformer 把里面的所有知识点 每天学一点，输出一点 以上任何一个赛道，坚持3个月 涨多少粉，我无法保证 但是你绝对可以 成为一方专业领域的小成选手 我想大部分人 都不想成为玩“泛娱乐”的评论账号吧 最后留下来的只有一堆没有沉淀的废话 现在有了AI 学任何东西都不是问题 阻碍你的只有你的懒惰、不自律