我的 AI 學習相關筆記

台灣繁體中文 | 從基礎數學到 LLM、Agent、RAG、Robotics、AI4Science 等 22 個主題 的完整 AI 工程師學習路徑筆記

---

🚦 三條入口路徑(按你的目標選)

新讀者:強烈建議先看全景圖理解 22 個主題的彼此關係,再決定深入哪幾條。

---

🌐 phantom-mesh 生態定位

本知識庫是 phantom-mesh(自託管多 agent AI runtime)生態系的學習路徑 + 面試準備教材。本 repo 不是 runtime 本身,而是知識庫與面試材料庫。

兩條軸線:

1. AI 工程師學習路徑 — 22 主題完整覆蓋(本 README 下半部目錄)
2. AI / 資料科學面試準備 — 主題 9 整合 phantom-mesh 開發中遇到的真實問題(multi-agent 協調、provider fallback、streaming SSE 解析、cost tracking、跨平台 build chain),不是教科書泛題

---

📒 五份 Colab Notebook(完整 LLM 工程訓練曲線)

本 repo 2026-05 新增 5 份可在 Colab 一鍵跑的 hands-on notebook,串聯成一條完整訓練曲線:

   Notebook 1 (SFT-LoRA) ───→ 訓出 task-specific adapter
        ↓
   Notebook 5 (DPO 對齊) ───→ 用偏好對齊微調 adapter
        ↓
   Notebook 4 (vLLM 部署) ──→ 把 adapter 上 serve,實測 prefix cache
        ↓
   ┌──────────────────────┐
   │ 上層應用              │
   │ - Notebook 3 (GraphRAG) ── 加結構化檢索
   │ - Notebook 2 (LangGraph)  ── 加多 agent 編排
   └──────────────────────┘

每份都含:phantom-mesh 真實工程考量段、6-8 個擴展練習、對應 deep-dive md 入口。

---

📚 22 主題目錄(2024-2026 全景)

Layer 1:基礎(1-3)

Layer 2:個人軌跡 / 補充材料(4-6)

Layer 3:面試與職涯(9)

Layer 4:Frontier Deep-Dive(11-22,2026-05 新增)

---

🎯 五個系統設計案例(LLM System Design 深入版)

每個 case 模擬 45-60 分鐘 senior-level 白板面試,~3000 字完整推演。

五案例串成 「資料 → 路由 → 互動 → 編排 → 執行」五層完整地圖(見 Case_05 結尾對照表)。

---

🛤 三條學習路徑(對應全景圖 Part 5)

Path A — Generalist(6 個月廣度)

M1: LLM 核心 + Reasoning Models      → Notebook 1 (SFT-LoRA)
M2: RAG + GNN/GraphRAG              → Notebook 3 (Mini GraphRAG)
M3: Agent + Harness Engineering     → Notebook 2 (LangGraph)
M4: AI Coding + Generative UI       → Cursor / Claude Code 重度使用
M5: CV + Multimodal + Voice         → 主題 1.4 DL + 14.Voice
M6: Safety + Provenance + Synthetic → 主題 16 + 19

Path B — LLM 工程師(6 個月深度)

M1-2: 三大模型技術報告(DeepSeek-V3 / Llama 4 / Qwen3)+ Notebook 1
M3:   GRPO/RLVR + Notebook 5 (DPO)
M4:   vLLM + EAGLE-3 部署 + Notebook 4
M5:   Magpie/distilabel + AI Scientist
M6:   Long Context + Hybrid Mamba

Path C — 應用工程師(6 個月產品)

M1: RAG 基礎 + Magpie synthetic eval
M2: Agent + MCP + Notebook 2
M3: AI Coding + Generative UI
M4: Voice Agent + 多模態生成
M5: Safety + Privacy + Provenance
M6: 選一個垂直 vertical 做端到端 demo

更詳細見 LEARNING_PATHS.md 與 全景圖 Part 5。

---

🔑 核心索引文件

自我審計檔案(2026-05 完成兩輪)

• 專案爆破總診斷_2026-05.md — 第一輪審計(10 個 agent 從不同角度挑刺)
• 專案爆破總診斷_第二輪_整合性_2026-05.md — 第二輪(整合性、跨章節)

兩輪都記載修補項與 ROI,作者依此整合本輪所有改動。舊版 README(2215 行,2025-11)備份於 docs/archive/README_2025-11_pre_rewrite.md。

---

💡 心法

1. 不要追完美廣度。22 個主題不必每個都精通。選 Path A/B/C 其中一條,加 2-3 個 frontier 主題深耕。
2. 理論密度高、實作密度低是 repo 常態問題。多用 5 份 notebook,跑通了再回頭讀 md 會有頓悟。
3. phantom-mesh 視角是差異化。同樣的 RAG / Agent 問題,從 multi-tenant runtime 視角看會多出 5 個工程約束(provider fallback、cost cap、streaming 解析、checkpoint resume、跨平台 build) — 這在面試中是真正的價值點。
4. 面試是溝通,不是知識量。180+ 題庫不是要你背,而是讓你能在白板上 30 秒抓到問題核心後,用 Case_01-05 的範本展開。
5. 持續更新比一次完美重要。本 repo 每季校對 frontier 章節;若你發現過時內容,歡迎 PR。

---

📝 貢獻、授權、聯絡

• 貢獻:歡迎 PR,先看 CONTRIBUTING.md
• 授權:MIT — 學習用途請自由轉載、商業用途請註明出處
• 問題回報:GitHub Issues
• 生態:phantom-mesh runtime(本 repo 的主專案)

---

最後更新:2026-05-16

本輪重大改動:新增 22 個 frontier deep-dive(11-22 章)、5 份 Colab notebook、5 個系統設計案例、4 大主題 README 整合、CONCEPT_MAP + FRONTIER_TERMS_INDEX、繁化簡中詞彙修正(~300 個 .md 檔)、跨章節 cross-link 補完。詳見 CHANGELOG.md v1.2.0。