Pi 1.4:从源码理解 Agent
围绕 Pi 1.4 的真实源码,学习项目分层、运行循环、工具契约、Codemode、MCP 和持久化。补充 1.4 的配置参考、worker 排队和摘要预算变化。每节可打开对应源码,亲手写实现,再自测和复盘。
适合:有基础编程能力、想读懂并实现 Agent 的学习者
完成后得到 一个基于 Pi 1.4 分层设计的最小只读 Agent:包含有界循环、工具适配、编排脚本、恢复设计和失败评测
查看课程目录 →13 个中文专题,102 节讲解、练习与测验。从第一次认识 AI,到亲手构建一个 Agent,选一门课开始。
35 章与 5 页对照。从设计取舍到源码机制,完整保留架构图、时序图与证据。
全部 13 个专题
围绕 Pi 1.4 的真实源码,学习项目分层、运行循环、工具契约、Codemode、MCP 和持久化。补充 1.4 的配置参考、worker 排队和摘要预算变化。每节可打开对应源码,亲手写实现,再自测和复盘。
适合:有基础编程能力、想读懂并实现 Agent 的学习者
完成后得到 一个基于 Pi 1.4 分层设计的最小只读 Agent:包含有界循环、工具适配、编排脚本、恢复设计和失败评测
查看课程目录 →从清晰需求到来源核验、上下文、写作与多模态处理,完成自己的 AI 工作流程。
适合:学生、职场人、创作者;无需编程基础
完成后得到 一份有来源、有修改记录、有人工验收的个人工作流手册
查看课程目录 →用状态、工具、规划、反思与评测建立有边界、可解释的智能工作流。
适合:具备Python基础、希望理解Agent工程的人
完成后得到 一个有工具边界、执行记录和评测集的资料整理Agent设计或本地实现
查看课程目录 →从记忆生命周期、向量和关键词到多模态,建立可查看、可更正、可删除的记忆原型。
适合:了解Python,想实践本地记忆与检索的开发者
完成后得到 一个有来源、访问隔离、删除机制和检索测试的本地记忆原型
查看课程目录 →从失败轨迹到审核技能、代码关系检索和独立评测,验证改进是否真实。
适合:已有Agent/Python基础、想改进编码助手的人
完成后得到 有轨迹、审核技能、代码图、版本比较与回退方案的改进实验报告
查看课程目录 →陪小狐狸完成六次小探险:认识 AI、给例子分类、说清楚需求、检查答案,再做一本自己的 AI 探险手册。无需编程,也不用注册外部工具。
适合:小学 3–6 年级;低年级可由家长陪学
完成后得到 一本包含分类观察、提问卡、查证记录和原创三格故事的《我的 AI 探险手册》
查看课程目录 →十五节课,从小鱼语言实验走向 AI 编程创作:学习卡、互动故事、小游戏、打卡器和个人网站。再练习测试、调试、发布、收集反馈与迭代;提供完整参考代码,由家长或老师陪同实践。
适合:小学 3–6 年级;低年级可由家长陪读,不需要编程或英语基础
完成后得到 一份语言观察册和个人作品集:包含学习卡、互动故事、小游戏、打卡器,以及测试、展示或发布、反馈改进记录
查看课程目录 →十五节课连接模型原理与 AI 编程:实现 Python 预测器,再制作学习卡、互动故事、小游戏、打卡器和个人网站。练习状态与数据设计、边界测试、调试、部署、用户反馈和版本迭代。
适合:初中至高中;会用分数和百分比即可,选做源码实验建议有 Python 基础
完成后得到 Python 预测器与静态作品集:包含五类创作、测试证据、部署或展示记录、反馈迭代和模型实验报告
查看课程目录 →跟随 Stanford 2026 秋季课程的前三讲,从系统设计、LLM 工程接口到 RAG,完成一个可核验的资料问答系统方案。官方课件可在本页阅读,中文讲解、练习和自测由本站独立编写。
适合:有 Python、语言模型或自然语言处理基础的大学生与成人学习者
完成后得到 一个包含系统图、模型输入输出契约、带出处的检索基线和评测记录的资料问答助手;代码需在本地自行运行验证
查看课程目录 →跟随 Sebastian Raschka 的 8 集免费视频,从 Qwen3 0.6B 预训练模型出发,学习评测、推理时扩展、GRPO 与蒸馏。每节配有官方视频、代码入口,以及本站原创练习、自测和笔记。
适合:熟悉 Python 与 PyTorch 的大学生、开发者和成人学习者
完成后得到 一份可复现的推理模型实验档案:基线、验证器用例、采样与自修正对照、GRPO 或蒸馏实验,以及质量和计算成本报告
查看课程目录 →跟随 claude-howto 的十个核心模块,从第一个可复用任务到团队工作流。本站独立编写中文讲解、示例、练习和测验;每节连接固定版本原文,学习记录可保存和导出。
适合:会基本命令行、希望系统使用 Claude Code 的大学生与成人开发者
完成后得到 一套可复现的项目协作包:项目规则、审查 Skill、校验 Hook、只读审查 Agent,以及测试证据和交接说明。
查看课程目录 →沿着显存、并行、低成本适配、解码、蒸馏、强化学习、优化器与服务部署学习模型训推。9 节原创中文导读,配套推演练习、自测、笔记与进度记录;作者视频通过原平台观看。
适合:具备 Python、PyTorch、线性代数和深度学习基础的大学生与成人学习者
完成后得到 一份模型训推方案:显存账本、并行通信图、适配与解码对照、蒸馏和奖励检查、优化器基线、服务指标与实验边界
查看课程目录 →没有找到这个主题。试试更短的关键词,或清空搜索查看全部专题。
本站独立编写中文讲解、练习与自测,参考来源在各专题内注明。编程实践按章节说明在本地运行;官方原课、评分作业与证书由原平台提供。草稿、笔记与完成记录保存在当前浏览器。