adhd-learn
为「没有基础 + 注意力容易跑掉」的人重新组织过的中文 AI / 机器学习教程库 —— 15 个板块、376 章、235 万字。
每一章都有：⏱ 诚实的时间徽章（大多数 20–60 分钟，中位 31 分钟，按 170 字/分钟量出来的）、 🎯 一句话结论、🛑 明确的退出点、⚡ 走神救援（隔几天回来只读这一段就能接上）、✅ 带折叠答案的检查点。 纯静态 HTML，下载下来双击就能离线看。
🧱 打牢基本功 🗺️ 还没想好？看全景导论🌱 先打地基零基础可直接开始，不需要前置知识
机器学习与深度学习基础
承重墙 —— 其他几套都默认你会的那一层。树模型 / 过拟合 / 反向传播 / 优化器 / 正则化 / 训练调试 / CNN / RNN。补完回头看，很多结论会变成「知道为什么」。
大模型全景导论
选方向用的。12 个方向各讲个大概：Transformer 原理、训练微调、 推理优化、RAG、多模态、对齐安全…… 每章标注「要不要深挖」，最后一章帮你决策。
🔨 上手就能做第 1 节就有产出，边做边补概念
智能体工程：从零到精通
Agent 循环 → 提示词/上下文 → Claude Code 实操 → 工具与 MCP → Harness 与多 Agent → 评测与安全。 第 1 节 10 分钟徒手造 Agent，不用 API Key。
推荐算法：从零到完全
协同过滤 → 矩阵分解 → 工业四层漏斗 → 深度模型 → 生成式推荐前沿。 零数学要求，第 1 节 10 分钟跑出一个能用的推荐系统。
📈 进阶需要前面的基础，开始处理真实复杂度
强化学习基础
补上全站最大的一个洞 —— 到处在用，却没一处教。 MDP / 贝尔曼方程 / Q-learning / DQN / 策略梯度 / PPO， 一路到 RLHF 和 DPO 是怎么训出来的。
不靠数据的 AI
其他板块都在讲「从数据里学」，这一套讲「在空间里搜」。 状态空间搜索 / A* / α-β 剪枝 / 约束满足 CSP / 贝叶斯网络 / 运动规划，外加深度学习之前的视觉与 NLP 是怎么做的。
AI 全栈
其他板块教你把模型做好，这一套教你把它变成一个别人能用的东西。 后端骨架 / 流式输出 / 数据库与 pgvector / 认证多租户 / 队列 / 限流与成本护栏 / 容器化部署 / 可观测。
博弈论与集体决策
前面几套假设「对面不会算计你」——这一套讲假设不成立时会发生什么。 命题逻辑与一阶逻辑 / 纳什均衡 / 稳定匹配 / 公平分配 / Shapley 值 / 投票与不可能定理。
Kaggle 竞赛方法论
查阅手册，用到哪查哪。通用方法论 / NLP / CV / 时间序列 / 推荐系统五大赛道， 外加「什么场景该上什么技术、能提多少分」的选型指南与金牌 Trick 汇总。
模型上线之后
机器学习生命周期缺掉的那一半。其他几套教「怎么把模型训出来」， 这一套从训完那一刻开始：灰度与回滚 / 三层监控 / 漂移检测 / 特征归因与 SHAP / A/B 深水区 / 观察性因果推断。每章都有真实事故。
数据这一关
模型之前的那一半。其他几套都从「给定一份数据」开始 —— 这一套讲那之前：数据契约 / 脏数据与缺失的三种成因 / 标注体系与一致性 / 评测集怎么建 / 泄漏的七种来源 / 版本与血缘。 线上事故十次有七八次根子在这。
🌊 深水区回头补「为什么」，以及把它真正跑起来的工程
机器学习的数学原理
基础教程的下一层：为什么这些方法能 work。最大似然 / MAP / 感知机 / 维度灾难 / 核方法与 SVM / PAC 与 VC 维。公式全部可跳过，每条都有人话翻译。
AI 基础设施
模型是「算什么」，Infra 是「怎么把它算出来、算得起」。 为什么 GPU 只跑出 30% 算力 / 70B 怎么塞进 8 张卡 / 为什么推理比训练还贵 —— 显存与带宽墙 / 并行策略 / KV Cache / 量化与推理服务。不需要会写 CUDA。
🧭 另一个方向 · 及参考独立成篇，随时可查
密码学与信息安全
另一个方向的基本功：怎么在有敌人的世界里保证一件事是真的。 从凯撒密码到后量子 —— 对称加密 / 哈希与认证 / RSA 与椭圆曲线 / PKI / 零知识证明。每个方案都先讲它是怎么被打破的。
Claude 博客资料库
Claude / Anthropic 官方博客核心文章的中文结构化整理，按 12 个主题归类。 每篇标注原文链接、作者、日期，可点击回溯。
🧭 我该从哪开始
| 你是谁 | 建议 |
|---|---|
| 想打牢基本功 / 觉得只会调包 | 👉 机器学习与深度学习基础，重点第 5、11 章 |
| 不知道该学什么 | 👉 全景导论 的第 1 章 + 第 16 章决策章，40 分钟出答案 |
| 想做 AI Agent / 大模型应用 | 👉 智能体工程 按顺序走，重点第 12 章 |
| 想做推荐算法 / 搜广推岗位 | 👉 推荐算法 按顺序走，重点第 6、12 章 |
| 想搞懂模型底层原理 | 👉 基础教程 07–14 章 → 全景导论 第 2、3、4 章 |
| 要做企业知识库 / 文档问答 | 👉 全景导论 第 8 章 RAG（实用价值第一） |
| 在打 Kaggle / 数据竞赛 | 👉 Kaggle 竞赛方法论，先看通用方法论 01–04，再进对应赛道 |
| 模型训不出来 / loss 不动 | 👉 基础教程 第 11 章训练调试手册，1 天见效 |
| 想搞懂 ChatGPT 是怎么对齐的 | 👉 强化学习基础 走 01 → 02 → 03 → 09 → 11 → 12，3 小时看懂 RLHF |
| 规则老记不住 / 想知道「凭什么」 | 👉 数学原理 先读 第 1、2 章 —— 它俩是钥匙，后面很多章是锁 |
| 显存不够 / 推理太贵 / GPU 跑不满 | 👉 AI 基础设施 第 3、4 章（显存带宽墙 + Roofline），后面十几章都是这两章的推论 |
| 模型没问题，但结果就是不对 | 👉 数据这一关 第 14 章（泄漏的七种来源）—— 离线好得离谱、线上崩掉，先查这里 |
| 标注对不齐 / 两个人标出两套答案 | 👉 数据这一关 第 9、10 章：标注指南怎么写、一致性怎么量 |
| 做安全 / 想懂 HTTPS、区块链底层 | 👉 密码学与信息安全，零依赖可独立读；只有一小时就读第 3、8 章 |
| 模型上线了，但不知道它还好不好 | 👉 模型上线之后，先看 第 4、7 章（最常见的事故源 + 最容易忽略的盲区） |
| 只想查某个具体主题 | 👉 直接进 资料库，12 个主题分类找 |
🗺️ 板块之间的关系
⚠️ 三条使用规则（ADHD 版）
标 🎁 的是加餐，标 ⭐ 的是核心。时间不够只看 ⭐。跳过不是失败，是策略。
每节结尾都有 🛑 断点。看完起来走一圈，硬撑只会让你明天不想打开。
每节结尾有 ⚡走神救援，3 行话恢复状态。进度条会记住你学到哪。