出处

全部引用汇总，按笔记分组。

Prompt 系列

• 第12章 · 提示词工程：ACM 2024, Packt, Boris Cherny 2026, Addy Osmani 2026
• 系统提示词和用户提示词：PromptLayer, CSDN, Regie.ai, TokenCalculator, 优设网
• 三种问法：Zero-shot、Few-shot、思维链：IBM, Vellum, LearnPrompting, PromptingGuide, OpenAI 2019

四次范式

• 上下文工程：人人都是产品经理, LangChain 2025, 百度 AI Studio
• Harness 工程：给 AI 搭工作台：GitBook 智能体 Harness 工程指南
• Loop 工程：让 AI 自己转起来：Addy Osmani 2026, Boris Cherny 2026, Peter Steinberger 2026

AI 简史

• 第1章 · AI简史与必知过时技术：IBM, DataWhale, 知乎(×4), 百度, ApX, ODSC, Lazy Programmer, Reddit, Coursera, roadmap.sh

Transformer 与 LLM

• 第9章 · Transformer 架构精讲：Vaswani 2017, Alammar, Weng, d2l.ai, Ranksquire, Knight Li, IBM, Dao(×3), Raschka
• 第10章 · LLM 原理与架构演进：Coursera, TDS, Raschka(×2), Ranksquire, Knight Li, Developers Digest, Softtechas, arXiv 2601.21824, Hoffmann 2022

产品演变

• AI 对话的三年演变：OpenAI(×3), DeepSeek, Boris Cherny 2026
• AI 搜索的三年演变：人人都是产品经理, 知乎(×2), 兔子 GEO, OpenAI
• AI 编程的三年演变：GitHub Copilot, Cursor, Cognition Labs, Anthropic(×2), Replit, Bolt.new, Karpathy 2025, Boris Cherny 2026
• 第18章 · AI 创作这三年：Midjourney, OpenAI(×2), Runway, Suno, ElevenLabs

RAG 系列

• 第13章 · RAG 进化树：Lewis et al. 2020, Meta 2017, Elastic, 火山引擎, StackAI, Microsoft 2024
• 稀疏检索（深挖）：Robertson 2009, Trotman 2014, Elasticsearch
• 稠密检索（深挖）：Reimers 2019, MTEB Leaderboard, StackAI 2025
• 混合检索（深挖）：StackAI 2025, MTEB, LlamaIndex 2025
• 自主检索 RAG（深挖）：LangChain 2025, Yao et al. 2022, LlamaIndex
• 图谱检索 RAG（深挖）：Microsoft 2024, Neo4j 2025

Agent 系列

• 第14章 · Agent 是怎么工作的：Yao et al. 2022
• ReAct 循环（深挖）：Yao et al. 2022
• Agent 记忆系统（深挖）：Park et al. 2023, Mem0, LangChain
• Agent 规划算法（深挖）：Wang et al. 2023, Yao et al. 2023, LangGraph
• 第16章 · 多个 AI 怎么配合工作：Li et al. 2023, Du et al. 2023, CrewAI, AutoGen

微调与训练

• 第11章 · 模型微调：Hu et al. 2021, Dettmers et al. 2023, Rafailov et al. 2023
• LoRA 微调（深挖）：Hu et al. 2021, Dettmers et al. 2023, Liu et al. 2024
• 偏好对齐：DPO vs GRPO（深挖）：Ouyang 2022, Rafailov 2023, DeepSeek 2024
• Constitutional AI（深挖）：Bai et al. 2022, Anthropic 2023
• 模型蒸馏（深挖）：Hinton 2015, Microsoft 2023, DeepSeek 2025

推理与部署

• 第20章 · 模型推理部署：Ollama, llama.cpp, vLLM
• 模型量化（深挖）：Lin et al. 2023, Frantar et al. 2022, llama.cpp
• vLLM 推理引擎（深挖）：Kwon et al. 2023, vLLM GitHub
• 推测解码（深挖）：Leviathan et al. 2023, Cai et al. 2024

其他

• 向量数据库演变：Meta 2017, Elastic, 火山引擎, 华为开发者
• 分块策略（深挖）：Jina AI 2024, LangChain
• 上下文管理：Gemini 2024, LLMLingua, Mem0
• 上下文压缩（深挖）：Jiang et al. 2023, LLMLingua GitHub
• DSPy：声明式 Prompt 编程（深挖）：Khattab et al. 2023
• 结构化输出（深挖）：OpenAI 2024, Vellum 2024
• LLM 通用评估：怎么给 AI 打分：Hendrycks 2020, Zheng et al. 2023, LMSYS
• RAG 系统评估（深挖）：RAGAS
• 第17章 . 多模态 AI：Radford 2021, OpenAI 2022/2024
• 第19章 · 多模态深度原理：Radford 2021, Ho et al. 2020, Dosovitskiy 2020
• AI 安全基础：OWASP, Goodfellow 2015
• 提示词注入攻防（深挖）：OWASP LLM01/LLM07
• Agent 安全与沙箱（深挖）：Docker, Guardrails AI, NeMo Guardrails

基础章节

• 第2章 · Python 与数据科学生态：NumPy, Pandas, Matplotlib 官方文档
• 第3章 · AI 需要的数学：3Blue1Brown
• 第4章 · 机器学习核心算法：Scikit-learn, Kaggle 2023
• 第5章 · 模型评估与特征工程：Scikit-learn
• 第6章 · 神经网络基础：3Blue1Brown, Goodfellow 2016
• 第7章 · CNN 与计算机视觉：Krizhevsky 2012, He 2015, Redmon 2015
• 第8章 · RNN 与序列模型：Hochreiter 1997, Cho 2014, Sutskever 2014
• AI 应用层知识图谱：多源
• 第22章 · 2026 AI 技术全景：O’Reilly 2026, Kellton 2026, RedHat, DeployBase 等

---

回到 笔记目录