Easy-to-understand AI learning resources for beginners.
See the code让 AI 学习变得真的简单。 一个面向 AI 学习者、开发者和创作者的知识网站。
Easy AI 把复杂的 AI 概念、模型信息、评测基准、教程、提示词样本和行业动态，整理成适合阅读、查询、比较和持续追踪的形式。
它不是一个堆链接的资料库，而是一个经过编辑整理的 AI 学习入口：你可以从一个概念开始理解原理，也可以直接查询模型参数、拆解优秀提示词、追踪最新日报、阅读教程，或者找到可用的 AI 工具。
| 模块 | 说明 |
|---|---|
| AI 知视 | 用图文和互动页面解释 AI 关键核心概念 |
| AI 文章 | 编辑专栏长文，按时间线浏览，用精美单页 HTML 承载深度阅读 |
| AI 提示词 | 收录和拆解优秀 AI 产品提示词，提供原文、中文翻译和学习分析 |
| AI 作品 | 花园老师开源的 AI 相关作品合集 |
| AI 模型 | 主流大模型信息，支持搜索、筛选、卡片视图和族谱树视图 |
| AI 评估 | 汇总主流评测基准，帮助理解模型能力边界 |
| AI 日报 | 每日精选 AI 行业动态和技术进展 |
| AI 教程 | 体系化整理视频、文档和实战教程 |
| 知识星球 | 深度内容、持续更新和社群交流入口 |
下面保留完整内容清单，方便直接跳转和查看当前已收录主题。
| 分类 | 主题内容 | 状态 |
|---|---|---|
| 入门 | 轻松理解 NLP - 人工智能中处理自然语言的分支 | ✅ |
| 入门 | 轻松理解 Token - 模型在生成文本时的最小单位，每个 Token 代表一个词或词的一部分 | ✅ |
| 入门 | 轻松理解 LLM - 革命性的人工智能技术，重新定义机器理解能力 | ✅ |
| 入门 | 轻松理解 Transformer - 自注意力架构，高效处理长文本 | ✅ |
| 入门 | 轻松理解 注意力机制 - 让模型判断当前内容该重点参考哪里 | ✅ |
| 入门 | 轻松理解 Multi-Head Attention - 用多个注意力头观察不同关系 | ✅ |
| 入门 | 轻松理解 Multi-Query Attention - 多个查询头共享同一组键和值 | ✅ |
| 入门 | 轻松理解 Grouped Query Attention - 分组共享键和值，兼顾速度和效果 | 👷 |
| 入门 | 轻松理解 Flash Attention - 减少显存读写，加速注意力计算 | 👷 |
| 入门 | 轻松理解 Sliding Window Attention - 每段文字只关注附近内容 | 👷 |
| 入门 | 轻松理解 Dual Chunk Attention - 分块扩展模型的上下文长度 | 👷 |
| 入门 | 轻松理解 矩阵与秩 - 理解矩阵信息量和低秩结构 | 👷 |
| 入门 | 轻松理解 Temperature 与 Top-p - 控制回答的稳定程度和候选范围 | 👷 |
| 提示词 | 轻松理解 Prompt - 人和模型沟通任务意图的指令文本，是使用大模型的第一入口 | ✅ |
| 提示词 | 轻松理解 System Prompt - 用来设定模型的角色、边界、语气和优先规则 | ✅ |
| 提示词 | 轻松理解 Few-shot Learning - 通过给模型几个示例，让模型模仿格式和思路完成新任务 | ✅ |
| 提示词 | 轻松理解 Chain of Thought - 让模型显式拆解推理步骤，提升复杂问题的解题稳定性 | ✅ |
| 架构 | 轻松理解 BERT - 基于 Encoder-Only 架构的预训练语言模型 | ✅ |
| 架构 | 轻松理解 GPT - 基于 Decoder-Only PLM 架构的预训练语言模型 | ✅ |
| 架构 | 轻松理解 Llama - 基于 Decoder-Only 架构的预训练语言模型 | ✅ |
| 架构 | 轻松理解 T5 - 基于 Encoder-Decoder 架构的预训练语言模型 | ✅ |
| 架构 | 轻松理解 MoE - 一种基于专家路由的模型架构，能够并行处理不同任务 | ✅ |
| 架构 | 轻松理解 多模态 - 让 AI 理解和生成图片、视频、音频等多种模态数据 | ✅ |
| 架构 | 轻松理解 模态编码 - 把图片和音频转换成模型能处理的数据 | ✅ |
| 架构 | 轻松理解 表示空间 - 模型怎样用空间位置表达含义 | ✅ |
| 架构 | 轻松理解 DeepSeek R1 - 通过创新算法让大语言模型获得强大推理能力 | ✅ |
| 架构 | 轻松理解 RoPE 位置编码 - 让模型知道文字的顺序和相对距离 | 👷 |
| 训练 | 轻松理解 预训练 - 大语言模型训练的第一阶段 | ✅ |
| 训练 | 轻松理解 SFT - 将预训练模型转化为实用 AI 助手的关键步骤 | ✅ |
| 训练 | 轻松理解 RLHF - 通过强化学习将人类的主观偏好转化为模型的客观优化目标 | ✅ |
| 训练 | 轻松理解 奖励模型 - 在 RLHF 中学习人类偏好，为模型输出打分 | ✅ |
| 训练 | 轻松理解 DPO - 不用强化学习也能做偏好对齐的一种主流训练方法 | ✅ |
| 训练 | 轻松理解 训练数据集 - 模型能力很大程度来自数据质量、覆盖范围和清洗方式 | ✅ |
| 训练 | 轻松理解 数据标注 - 人工或半自动给数据加标签，用于监督微调、评估和偏好学习 | ✅ |
| 训练 | 轻松理解 数据清洗 - 去除重复、脏数据、低质样本，提升模型训练和检索效果 | ✅ |
| 训练 | 轻松理解 数据集构建 - 用 Easy Dataset 等工具自动化构造、清洗和生成训练数据集 | ✅ |
| 训练 | 轻松理解 MGA - 通过轻量级框架将现有语料系统重构为多样化变体 | ✅ |
| 训练 | 轻松理解 梯度与反向传播 - 根据错误方向调整模型参数 | 👷 |
| 训练 | 轻松理解 优化器 - 决定模型参数每一步怎样更新 | 👷 |
| 评估 | 轻松理解 模型评估 - 用指标、测试集和人工判断衡量模型是否真的好用 | 👷 |
| 评估 | 轻松理解 LLM-as-a-Judge - 用大模型给其他模型的回答打分 | 👷 |
| 评估 | 轻松理解 困惑度 - 衡量模型预测下一段文字的把握程度 | 👷 |
| 微调 | 轻松理解 为什么要微调 - 长文本、知识库、微调的对比分析 | ✅ |
| 微调 | 轻松理解 模型微调方法 - 全参数微调、LoRA 微调、冻结微调对比 | ✅ |
| 微调 | 轻松理解 LoRA - 当前最受欢迎的大模型高效微调方法之一 | ✅ |
| 微调 | 轻松理解 微调参数：LoRA 秩 - 决定模型微调时表达能力的关键参数 | ✅ |
| 微调 | 轻松理解 微调参数：学习率 - 决定模型参数调整幅度的关键参数 | ✅ |
| 微调 | 轻松理解 微调参数：训练轮数 - 模型完整遍历训练数据集的次数 | ✅ |
| 微调 | 轻松理解 微调参数：批量大小 - 每次更新模型参数时的样本数量 | ✅ |
| 微调 | 轻松理解 Loss - 模型在训练过程中用于衡量预测值与真实值之间差异的指标 | ✅ |
| 微调 | 轻松理解 拟合与过拟合 - 模型怎样学习规律，又为何会记得太死 | 👷 |
| 微调 | 轻松理解 DeepSpeed - 深度学习优化库，可以简化分布式训练与推理过程 | ✅ |
| 部署 | 轻松理解 模型蒸馏 - 将复杂大模型知识压缩到轻量小模型的技术 | ✅ |
| 部署 | 轻松理解 模型量化 - 将模型权重转换为较低精度表示的技术 | ✅ |
| 部署 | 轻松理解 GGUF - 实现更高效模型存储、加载和部署的格式 | ✅ |
| 部署 | 轻松理解 Safetensors - 安全高效地保存和加载模型权重 | ✅ |
| 部署 | 轻松理解 ONNX - 让模型跨框架转换和部署 | ✅ |
| 部署 | 轻松理解 大模型精度格式 - 看懂 FP32、BF16、FP16 和 FP8 | ✅ |
| 部署 | 轻松理解 模型部署 - 对比 Ollama 和 VLLM 两大主流本地部署方案 | ✅ |
| 部署 | 轻松理解 模型推理 - 模型接收输入并生成输出的运行过程，是部署后的核心环节 | ✅ |
| 部署 | 轻松理解 KV Cache - 缓存历史注意力计算结果，加速长文本生成 | ✅ |
| 部署 | 轻松理解 vLLM - 高性能大模型推理服务框架，适合高并发部署 | 👷 |
| 部署 | 轻松理解 Ollama - 面向本地运行大模型的轻量工具，适合个人和开发调试 | 👷 |
| 部署 | 轻松理解 Continuous Batching - 动态安排请求，提高推理吞吐 | ✅ |
| 部署 | 轻松理解 推测解码 - 先猜多个 Token，再由大模型验证 | ✅ |
| 部署 | 轻松理解 结构化输出 - 让模型稳定生成 JSON 等固定格式 | ✅ |
| Agent | 轻松理解 Agent - 让 AI 不只是答题机器，而是会做事的智能体 | ✅ |
| Agent | 轻松理解 Agent Loop - Agent 在循环中反复推理、调用工具、观察结果，直到任务完成 | ✅ |
| Agent | 轻松理解 Function Calling - 大语言模型与外部数据源、工具交互的重要方式 | ✅ |
| Agent | 轻松理解 MCP - 开放标准协议，解决 AI 模型与外部数据源交互难题 | ✅ |
| Agent | 轻松理解 SubAgent - 将探索性任务放到独立空间执行，只把关键结果带回主上下文 | ✅ |
| Agent | 轻松理解 Multi Agent - 多个 Agent 分工合作，比如规划、执行、审查、总结 | ✅ |
| Agent | 轻松理解 Agent TodoList - 用清单机制防遗忘、展示进度，并支撑复杂任务编排 | ✅ |
| Agent | 轻松理解 Agent 运行模式 - 理解 Plan / Default / Auto 等模式在自主性与安全性之间的取舍 | ✅ |
| Agent | 轻松理解 Agent 沙箱 - 通过文件系统与网络隔离，为 Agent 划定安全边界 | ✅ |
| Agent | 轻松理解 Agent 记忆 - 让 Agent 在上下文窗口之外记住偏好、配置与历史经验 | ✅ |
| Agent | 轻松理解 Context Window - 理解大模型每次请求中可使用的临时工作内存 | ✅ |
| Agent | 轻松理解 Context Engineering - 管理模型每次工作时看到的信息 | ✅ |
| Agent | 轻松理解 Harness - 驱动你的 Agent 更持续稳定地工作 | 👷 |
| Agent | 轻松理解 Skills - Agent 通用外部能力和流程拓展的标准 | 👷 |
| Agent | 轻松理解 Vibe Coding - 用自然语言和 AI 协作完成编程 | 👷 |
| 检索 | 轻松理解 RAG - 检索增强生成技术，解决大语言模型事实性问题 | ✅ |
| 检索 | 轻松理解 模型幻觉 - 模型在生成文本时出现的不真实、不合理的现象 | ✅ |
| 检索 | 轻松理解 Embedding - 把文本、图片等内容转换成向量，让机器可以计算语义相似度 | ✅ |
| 检索 | 轻松理解 向量数据库 - 专门存储和检索 Embedding 向量的数据库，是 RAG 的核心基础设施 | ✅ |
| 检索 | 轻松理解 Chunk - RAG 中把长文档切成小片段的过程，直接影响召回质量 | ✅ |
| 检索 | 轻松理解 召回与重排 - 先粗略找出相关资料，再精排出最有价值内容，提升 RAG 答案质量 | ✅ |
| 检索 | 轻松理解 Hybrid Search - 同时使用关键词检索和向量检索，兼顾精确匹配和语义匹配 | 👷 |
| 检索 | 轻松理解 GraphRAG - 沿着实体关系找资料，回答跨文档与整体问题 | ✅ |
| 检索 | 轻松理解 知识图谱 - 用实体和关系组织知识，支持多跳查询 | ✅ |
| 安全 | 轻松理解 Prompt Injection - 不可信文字混进任务，让 AI 改听另一套要求 | ✅ |
| 安全 | 轻松理解 AI Guardrails - 在输入、行动和输出周围放置检查、权限与人工确认 | ✅ |
| 安全 | 轻松理解 模型越狱 - 特殊表达绕过内容安全限制，诱导模型回答原本会拒绝的请求 | ✅ |
| 安全 | 轻松理解 数据投毒 - 用恶意数据污染训练或知识库 | 👷 |
💡 持续更新中 ...
收录 Claude Code、Cursor、Manus、Devin、Windsurf、v0、Kiro、Codex CLI、Gemini CLI、Cline、Lovable、Qoder 等 AI 产品的系统提示词、Agent 提示词和模式提示词，把原文、中文翻译和学习分析放在同一个阅读流程里。
| 功能特性 | 说明 |
|---|---|
| 提示词目录 | 当前收录 40 份样本，支持按产品、标签、场景和学习模块搜索筛选 |
| 三段式阅读 | 每份提示词提供原文、中文翻译和学习分析，便于对照结构与设计意图 |
| 学习模块标注 | 按身份定义、工具调用、安全规则、工作流程、输出风格、上下文管理等维度拆解 |
| 方法论总结 | 从 40 份顶级 AI 工具提示词中提炼 12 条 Agent 提示词设计法则 |
| 复用边界提醒 | 标注适用场景、亮点和不宜照抄的产品化细节 |
💡 持续更新中 ...
用 beautiful-article 生成的精美排版的文章。
| 类型 | 文章 | 标签 |
|---|---|---|
| 长文 | Codex Sandbox 的设计与实践 | Agent / Sandbox / Codex |
| 解释文 | Agent Skill 是如何进化的？ | Agent / Skill / Microsoft |
| 长文 | 提示词缓存对 Agent 有多重要？ | Agent / Prompt Cache / Anthropic |
| 长文 | 面向长任务场景的 Harness 设计 | Agent / Harness / Claude |
| 长文 | Agent Harness 的解剖图 | Agent / Harness / Langchain |
| 长文 | 设计对 Agent 友好的代码仓库 | Agent / Code / OpenAI |
| 长文 | Codex 的 Agent Loop 是怎么做的？ | Agent / Codex / OpenAI |
| 长文 | 把 AI Agent 的评测讲清楚 | Agent / 评测 / Anthropic |
| 长文 | 面向 Agent 的高效上下文工程 | Agent / Context / Anthropic |
| 长文 | Agent Tools 设计的最佳实践 | Agent / Tools / Anthropic |
| 报告 | 用多 Agent 进行深度研究 | Agent / Research / Claude |
| 长文 | Agent Framework 的设计与思考 | Agent / Framework / Langchain |
| 长文 | Attention Is All You Need | Transformer / Attention / 论文 |
💡 访问地址：AI 文章编辑专栏
汇聚主流 AI 大模型信息，提供模型参数、能力特点、发布时间等关键数据，帮助你快速了解和对比各类 AI 模型。
| 功能特性 | 说明 |
|---|---|
| 模型检索 | 支持按名称、公司、标签等多维度搜索筛选 |
| 模型对比 | 展示上下文窗口、最大输出、开源状态等核心参数 |
| 分类浏览 | 按公司分组或按发布时间排序浏览 |
| 实时更新 | 持续收录最新发布的 AI 模型信息 |
💡 访问地址：AI 模型库
收录 AI 领域主流评测基准，涵盖语言理解、推理能力、多模态、代码生成等多个维度，助力了解 AI 模型能力评估体系。
| 基准类型 | 示例基准 |
|---|---|
| 语言理解 | MMLU、GLUE、SuperGLUE、HellaSwag |
| 推理能力 | ARC-AGI-1、ARC-AGI-2、GSM8K、MATH |
| 数学推理 | FrontierMath、AIME、Olympiad Bench |
| 多模态 | MMMU、Video-MMMU、VQA |
| 代码生成 | HumanEval、MBPP、SWE-bench、SciCode |
| 智能体 | MCP-Atlas、GAIA、MLE-bench |
💡 访问地址：AI 基准库
精选各渠道 AI 一手新闻，每日汇总报告。
💡 访问地址：AI 基准库
| 平台 | 账号名称 | 链接 |
|---|---|---|
| X/Twitter | code秘密花园 | https://x.com/GardenConardLi |
| B 站 | code秘密花园 | https://space.bilibili.com/474921808 |
| 抖音 | code秘密花园 | https://v.douyin.com/i5b33Xfv/ |
| YouTube | code秘密花园 | https://www.youtube.com/@garden-conard |
| 小红书 | code秘密花园 | https://www.xiaohongshu.com/user/profile/5af45e78f7e8b903d6e04618 |
| 公众号 | code秘密花园 | https://cdn.jsdelivr.net/gh/ConardLi/easy-dataset@main/public/imgs/weichat.jpg |
| GitHub | ConardLi | https://github.com/ConardLi |
| 个人网站 | Easy AI | https://mmh1.top |
🎯 让 AI 学习变得简单 | 🚀 让知识传播更高效
Made with ❤️ for the AI learning community
Easy-to-understand AI learning resources for beginners.
See the code让 AI 学习变得真的简单。 一个面向 AI 学习者、开发者和创作者的知识网站。
Easy AI 把复杂的 AI 概念、模型信息、评测基准、教程、提示词样本和行业动态，整理成适合阅读、查询、比较和持续追踪的形式。
它不是一个堆链接的资料库，而是一个经过编辑整理的 AI 学习入口：你可以从一个概念开始理解原理，也可以直接查询模型参数、拆解优秀提示词、追踪最新日报、阅读教程，或者找到可用的 AI 工具。
| 模块 | 说明 |
|---|---|
| AI 知视 | 用图文和互动页面解释 AI 关键核心概念 |
| AI 文章 | 编辑专栏长文，按时间线浏览，用精美单页 HTML 承载深度阅读 |
| AI 提示词 | 收录和拆解优秀 AI 产品提示词，提供原文、中文翻译和学习分析 |
| AI 作品 | 花园老师开源的 AI 相关作品合集 |
| AI 模型 | 主流大模型信息，支持搜索、筛选、卡片视图和族谱树视图 |
| AI 评估 | 汇总主流评测基准，帮助理解模型能力边界 |
| AI 日报 | 每日精选 AI 行业动态和技术进展 |
| AI 教程 | 体系化整理视频、文档和实战教程 |
| 知识星球 | 深度内容、持续更新和社群交流入口 |
下面保留完整内容清单，方便直接跳转和查看当前已收录主题。
| 分类 | 主题内容 | 状态 |
|---|---|---|
| 入门 | 轻松理解 NLP - 人工智能中处理自然语言的分支 | ✅ |
| 入门 | 轻松理解 Token - 模型在生成文本时的最小单位，每个 Token 代表一个词或词的一部分 | ✅ |
| 入门 | 轻松理解 LLM - 革命性的人工智能技术，重新定义机器理解能力 | ✅ |
| 入门 | 轻松理解 Transformer - 自注意力架构，高效处理长文本 | ✅ |
| 入门 | 轻松理解 注意力机制 - 让模型判断当前内容该重点参考哪里 | ✅ |
| 入门 | 轻松理解 Multi-Head Attention - 用多个注意力头观察不同关系 | ✅ |
| 入门 | 轻松理解 Multi-Query Attention - 多个查询头共享同一组键和值 | ✅ |
| 入门 | 轻松理解 Grouped Query Attention - 分组共享键和值，兼顾速度和效果 | 👷 |
| 入门 | 轻松理解 Flash Attention - 减少显存读写，加速注意力计算 | 👷 |
| 入门 | 轻松理解 Sliding Window Attention - 每段文字只关注附近内容 | 👷 |
| 入门 | 轻松理解 Dual Chunk Attention - 分块扩展模型的上下文长度 | 👷 |
| 入门 | 轻松理解 矩阵与秩 - 理解矩阵信息量和低秩结构 | 👷 |
| 入门 | 轻松理解 Temperature 与 Top-p - 控制回答的稳定程度和候选范围 | 👷 |
| 提示词 | 轻松理解 Prompt - 人和模型沟通任务意图的指令文本，是使用大模型的第一入口 | ✅ |
| 提示词 | 轻松理解 System Prompt - 用来设定模型的角色、边界、语气和优先规则 | ✅ |
| 提示词 | 轻松理解 Few-shot Learning - 通过给模型几个示例，让模型模仿格式和思路完成新任务 | ✅ |
| 提示词 | 轻松理解 Chain of Thought - 让模型显式拆解推理步骤，提升复杂问题的解题稳定性 | ✅ |
| 架构 | 轻松理解 BERT - 基于 Encoder-Only 架构的预训练语言模型 | ✅ |
| 架构 | 轻松理解 GPT - 基于 Decoder-Only PLM 架构的预训练语言模型 | ✅ |
| 架构 | 轻松理解 Llama - 基于 Decoder-Only 架构的预训练语言模型 | ✅ |
| 架构 | 轻松理解 T5 - 基于 Encoder-Decoder 架构的预训练语言模型 | ✅ |
| 架构 | 轻松理解 MoE - 一种基于专家路由的模型架构，能够并行处理不同任务 | ✅ |
| 架构 | 轻松理解 多模态 - 让 AI 理解和生成图片、视频、音频等多种模态数据 | ✅ |
| 架构 | 轻松理解 模态编码 - 把图片和音频转换成模型能处理的数据 | ✅ |
| 架构 | 轻松理解 表示空间 - 模型怎样用空间位置表达含义 | ✅ |
| 架构 | 轻松理解 DeepSeek R1 - 通过创新算法让大语言模型获得强大推理能力 | ✅ |
| 架构 | 轻松理解 RoPE 位置编码 - 让模型知道文字的顺序和相对距离 | 👷 |
| 训练 | 轻松理解 预训练 - 大语言模型训练的第一阶段 | ✅ |
| 训练 | 轻松理解 SFT - 将预训练模型转化为实用 AI 助手的关键步骤 | ✅ |
| 训练 | 轻松理解 RLHF - 通过强化学习将人类的主观偏好转化为模型的客观优化目标 | ✅ |
| 训练 | 轻松理解 奖励模型 - 在 RLHF 中学习人类偏好，为模型输出打分 | ✅ |
| 训练 | 轻松理解 DPO - 不用强化学习也能做偏好对齐的一种主流训练方法 | ✅ |
| 训练 | 轻松理解 训练数据集 - 模型能力很大程度来自数据质量、覆盖范围和清洗方式 | ✅ |
| 训练 | 轻松理解 数据标注 - 人工或半自动给数据加标签，用于监督微调、评估和偏好学习 | ✅ |
| 训练 | 轻松理解 数据清洗 - 去除重复、脏数据、低质样本，提升模型训练和检索效果 | ✅ |
| 训练 | 轻松理解 数据集构建 - 用 Easy Dataset 等工具自动化构造、清洗和生成训练数据集 | ✅ |
| 训练 | 轻松理解 MGA - 通过轻量级框架将现有语料系统重构为多样化变体 | ✅ |
| 训练 | 轻松理解 梯度与反向传播 - 根据错误方向调整模型参数 | 👷 |
| 训练 | 轻松理解 优化器 - 决定模型参数每一步怎样更新 | 👷 |
| 评估 | 轻松理解 模型评估 - 用指标、测试集和人工判断衡量模型是否真的好用 | 👷 |
| 评估 | 轻松理解 LLM-as-a-Judge - 用大模型给其他模型的回答打分 | 👷 |
| 评估 | 轻松理解 困惑度 - 衡量模型预测下一段文字的把握程度 | 👷 |
| 微调 | 轻松理解 为什么要微调 - 长文本、知识库、微调的对比分析 | ✅ |
| 微调 | 轻松理解 模型微调方法 - 全参数微调、LoRA 微调、冻结微调对比 | ✅ |
| 微调 | 轻松理解 LoRA - 当前最受欢迎的大模型高效微调方法之一 | ✅ |
| 微调 | 轻松理解 微调参数：LoRA 秩 - 决定模型微调时表达能力的关键参数 | ✅ |
| 微调 | 轻松理解 微调参数：学习率 - 决定模型参数调整幅度的关键参数 | ✅ |
| 微调 | 轻松理解 微调参数：训练轮数 - 模型完整遍历训练数据集的次数 | ✅ |
| 微调 | 轻松理解 微调参数：批量大小 - 每次更新模型参数时的样本数量 | ✅ |
| 微调 | 轻松理解 Loss - 模型在训练过程中用于衡量预测值与真实值之间差异的指标 | ✅ |
| 微调 | 轻松理解 拟合与过拟合 - 模型怎样学习规律，又为何会记得太死 | 👷 |
| 微调 | 轻松理解 DeepSpeed - 深度学习优化库，可以简化分布式训练与推理过程 | ✅ |
| 部署 | 轻松理解 模型蒸馏 - 将复杂大模型知识压缩到轻量小模型的技术 | ✅ |
| 部署 | 轻松理解 模型量化 - 将模型权重转换为较低精度表示的技术 | ✅ |
| 部署 | 轻松理解 GGUF - 实现更高效模型存储、加载和部署的格式 | ✅ |
| 部署 | 轻松理解 Safetensors - 安全高效地保存和加载模型权重 | ✅ |
| 部署 | 轻松理解 ONNX - 让模型跨框架转换和部署 | ✅ |
| 部署 | 轻松理解 大模型精度格式 - 看懂 FP32、BF16、FP16 和 FP8 | ✅ |
| 部署 | 轻松理解 模型部署 - 对比 Ollama 和 VLLM 两大主流本地部署方案 | ✅ |
| 部署 | 轻松理解 模型推理 - 模型接收输入并生成输出的运行过程，是部署后的核心环节 | ✅ |
| 部署 | 轻松理解 KV Cache - 缓存历史注意力计算结果，加速长文本生成 | ✅ |
| 部署 | 轻松理解 vLLM - 高性能大模型推理服务框架，适合高并发部署 | 👷 |
| 部署 | 轻松理解 Ollama - 面向本地运行大模型的轻量工具，适合个人和开发调试 | 👷 |
| 部署 | 轻松理解 Continuous Batching - 动态安排请求，提高推理吞吐 | ✅ |
| 部署 | 轻松理解 推测解码 - 先猜多个 Token，再由大模型验证 | ✅ |
| 部署 | 轻松理解 结构化输出 - 让模型稳定生成 JSON 等固定格式 | ✅ |
| Agent | 轻松理解 Agent - 让 AI 不只是答题机器，而是会做事的智能体 | ✅ |
| Agent | 轻松理解 Agent Loop - Agent 在循环中反复推理、调用工具、观察结果，直到任务完成 | ✅ |
| Agent | 轻松理解 Function Calling - 大语言模型与外部数据源、工具交互的重要方式 | ✅ |
| Agent | 轻松理解 MCP - 开放标准协议，解决 AI 模型与外部数据源交互难题 | ✅ |
| Agent | 轻松理解 SubAgent - 将探索性任务放到独立空间执行，只把关键结果带回主上下文 | ✅ |
| Agent | 轻松理解 Multi Agent - 多个 Agent 分工合作，比如规划、执行、审查、总结 | ✅ |
| Agent | 轻松理解 Agent TodoList - 用清单机制防遗忘、展示进度，并支撑复杂任务编排 | ✅ |
| Agent | 轻松理解 Agent 运行模式 - 理解 Plan / Default / Auto 等模式在自主性与安全性之间的取舍 | ✅ |
| Agent | 轻松理解 Agent 沙箱 - 通过文件系统与网络隔离，为 Agent 划定安全边界 | ✅ |
| Agent | 轻松理解 Agent 记忆 - 让 Agent 在上下文窗口之外记住偏好、配置与历史经验 | ✅ |
| Agent | 轻松理解 Context Window - 理解大模型每次请求中可使用的临时工作内存 | ✅ |
| Agent | 轻松理解 Context Engineering - 管理模型每次工作时看到的信息 | ✅ |
| Agent | 轻松理解 Harness - 驱动你的 Agent 更持续稳定地工作 | 👷 |
| Agent | 轻松理解 Skills - Agent 通用外部能力和流程拓展的标准 | 👷 |
| Agent | 轻松理解 Vibe Coding - 用自然语言和 AI 协作完成编程 | 👷 |
| 检索 | 轻松理解 RAG - 检索增强生成技术，解决大语言模型事实性问题 | ✅ |
| 检索 | 轻松理解 模型幻觉 - 模型在生成文本时出现的不真实、不合理的现象 | ✅ |
| 检索 | 轻松理解 Embedding - 把文本、图片等内容转换成向量，让机器可以计算语义相似度 | ✅ |
| 检索 | 轻松理解 向量数据库 - 专门存储和检索 Embedding 向量的数据库，是 RAG 的核心基础设施 | ✅ |
| 检索 | 轻松理解 Chunk - RAG 中把长文档切成小片段的过程，直接影响召回质量 | ✅ |
| 检索 | 轻松理解 召回与重排 - 先粗略找出相关资料，再精排出最有价值内容，提升 RAG 答案质量 | ✅ |
| 检索 | 轻松理解 Hybrid Search - 同时使用关键词检索和向量检索，兼顾精确匹配和语义匹配 | 👷 |
| 检索 | 轻松理解 GraphRAG - 沿着实体关系找资料，回答跨文档与整体问题 | ✅ |
| 检索 | 轻松理解 知识图谱 - 用实体和关系组织知识，支持多跳查询 | ✅ |
| 安全 | 轻松理解 Prompt Injection - 不可信文字混进任务，让 AI 改听另一套要求 | ✅ |
| 安全 | 轻松理解 AI Guardrails - 在输入、行动和输出周围放置检查、权限与人工确认 | ✅ |
| 安全 | 轻松理解 模型越狱 - 特殊表达绕过内容安全限制，诱导模型回答原本会拒绝的请求 | ✅ |
| 安全 | 轻松理解 数据投毒 - 用恶意数据污染训练或知识库 | 👷 |
💡 持续更新中 ...
收录 Claude Code、Cursor、Manus、Devin、Windsurf、v0、Kiro、Codex CLI、Gemini CLI、Cline、Lovable、Qoder 等 AI 产品的系统提示词、Agent 提示词和模式提示词，把原文、中文翻译和学习分析放在同一个阅读流程里。
| 功能特性 | 说明 |
|---|---|
| 提示词目录 | 当前收录 40 份样本，支持按产品、标签、场景和学习模块搜索筛选 |
| 三段式阅读 | 每份提示词提供原文、中文翻译和学习分析，便于对照结构与设计意图 |
| 学习模块标注 | 按身份定义、工具调用、安全规则、工作流程、输出风格、上下文管理等维度拆解 |
| 方法论总结 | 从 40 份顶级 AI 工具提示词中提炼 12 条 Agent 提示词设计法则 |
| 复用边界提醒 | 标注适用场景、亮点和不宜照抄的产品化细节 |
💡 持续更新中 ...
用 beautiful-article 生成的精美排版的文章。
| 类型 | 文章 | 标签 |
|---|---|---|
| 长文 | Codex Sandbox 的设计与实践 | Agent / Sandbox / Codex |
| 解释文 | Agent Skill 是如何进化的？ | Agent / Skill / Microsoft |
| 长文 | 提示词缓存对 Agent 有多重要？ | Agent / Prompt Cache / Anthropic |
| 长文 | 面向长任务场景的 Harness 设计 | Agent / Harness / Claude |
| 长文 | Agent Harness 的解剖图 | Agent / Harness / Langchain |
| 长文 | 设计对 Agent 友好的代码仓库 | Agent / Code / OpenAI |
| 长文 | Codex 的 Agent Loop 是怎么做的？ | Agent / Codex / OpenAI |
| 长文 | 把 AI Agent 的评测讲清楚 | Agent / 评测 / Anthropic |
| 长文 | 面向 Agent 的高效上下文工程 | Agent / Context / Anthropic |
| 长文 | Agent Tools 设计的最佳实践 | Agent / Tools / Anthropic |
| 报告 | 用多 Agent 进行深度研究 | Agent / Research / Claude |
| 长文 | Agent Framework 的设计与思考 | Agent / Framework / Langchain |
| 长文 | Attention Is All You Need | Transformer / Attention / 论文 |
💡 访问地址：AI 文章编辑专栏
汇聚主流 AI 大模型信息，提供模型参数、能力特点、发布时间等关键数据，帮助你快速了解和对比各类 AI 模型。
| 功能特性 | 说明 |
|---|---|
| 模型检索 | 支持按名称、公司、标签等多维度搜索筛选 |
| 模型对比 | 展示上下文窗口、最大输出、开源状态等核心参数 |
| 分类浏览 | 按公司分组或按发布时间排序浏览 |
| 实时更新 | 持续收录最新发布的 AI 模型信息 |
💡 访问地址：AI 模型库
收录 AI 领域主流评测基准，涵盖语言理解、推理能力、多模态、代码生成等多个维度，助力了解 AI 模型能力评估体系。
| 基准类型 | 示例基准 |
|---|---|
| 语言理解 | MMLU、GLUE、SuperGLUE、HellaSwag |
| 推理能力 | ARC-AGI-1、ARC-AGI-2、GSM8K、MATH |
| 数学推理 | FrontierMath、AIME、Olympiad Bench |
| 多模态 | MMMU、Video-MMMU、VQA |
| 代码生成 | HumanEval、MBPP、SWE-bench、SciCode |
| 智能体 | MCP-Atlas、GAIA、MLE-bench |
💡 访问地址：AI 基准库
精选各渠道 AI 一手新闻，每日汇总报告。
💡 访问地址：AI 基准库
| 平台 | 账号名称 | 链接 |
|---|---|---|
| X/Twitter | code秘密花园 | https://x.com/GardenConardLi |
| B 站 | code秘密花园 | https://space.bilibili.com/474921808 |
| 抖音 | code秘密花园 | https://v.douyin.com/i5b33Xfv/ |
| YouTube | code秘密花园 | https://www.youtube.com/@garden-conard |
| 小红书 | code秘密花园 | https://www.xiaohongshu.com/user/profile/5af45e78f7e8b903d6e04618 |
| 公众号 | code秘密花园 | https://cdn.jsdelivr.net/gh/ConardLi/easy-dataset@main/public/imgs/weichat.jpg |
| GitHub | ConardLi | https://github.com/ConardLi |
| 个人网站 | Easy AI | https://mmh1.top |
🎯 让 AI 学习变得简单 | 🚀 让知识传播更高效
Made with ❤️ for the AI learning community
