Hux (@huxlab)
@huxlab
0 正在关注 0 粉丝
如果今年只看一个 AI 课，看这个。
Jeff Dean，前Google AI 的扛把子，把自己亲手做了 27 年的东西压缩到了一小时。
不是二手解读，不是"十个 prompt 模板改变你的工作流"。
是造这些系统的人，亲自告诉你它们怎么来的、为什么这么设计、接下来往哪走
以及一个人如何调度一整支 Agent 队伍。
显示更多
今晚别刷Netflix了。
去看这个斯坦福2小时34分钟的讲座。
这是我见过最清晰、端到端讲透ChatGPT和Claude到底怎么建出来的课。
从Tokenization和BPE开始，一路到Transformer架构、训练管线、Next-token解码。
不管你是从没写过一行AI代码，还是天天在ship Agent，看完都会把很多“原来如此”的点一次打通。
真正核心就这几层：
1文本怎么变成模型能吃的数字（BPE tokenization）
2语言模型本质就是在预测下一个token
3Transformer怎么用Attention做消息传递
4训练时用NLL loss把整条序列概率拉高
5生成时怎么一步步解码出来
大多数人花好几年才拼出的全景图，这节课直接给你画完。
把时间空出来，这可能是你这个月最值的一堂课。
显示更多
Google 刚放了个免费 2 小时课程，比市面上卖 700 刀的 Agent 课讲得还清楚。
不是又一个写个 prompt 就能跑的 demo。
而是从单个 Agent 一路搭到能自己运转的多 Agent 系统。
时间轴直接点核心：
17:44 你的第一个 AI Agent
39:30 用循环跑 Agent
1:12:38 把循环升级成图
1:34:26 自改进 Agent
1:55:05 一个能自己运转的完整系统
真正拉开差距的就几件事：
工具解耦成独立 MCP 服务，Agent 只管发现和调用。
用不同策略（顺序、并行、循环）设计专精Agent。
循环升级成有向图，节点之间真正能协作。
加入自改进和记忆，系统越跑越强。
大多数人还在堆单个 Agent。
能规模化的，是会画图、会编排的人。
显示更多
