前言与使用指南

从一句输入的处理过程出发，逐步理解模型计算、智能体执行，以及支撑可靠应用的工程方法。

每个新机制先说明处理的对象及其来源，再展开计算。公式中的W、X、A等字母只是局部命名；不同章节复用字母时，应以当前定义为准。遇到陌生记号，可从公式与对象指南查看完整来龙去脉，而不是只猜英文缩写。

读者与学习目标

本书面向希望理解并改进AI工具使用方式的研发人员和技术学习者。阅读起点是加减乘除、行列计数和一般电脑操作，不要求已经学过线性代数、微积分或机器学习。代码实验需要基本的Python阅读能力；它不是阅读理论正文的前提。

学习目标不仅是记住术语，还包括解释输入和输出是什么、逐步描述中间过程、计算小型例子、识别成立条件，并在真实任务中选择合适的验证方式。

全书结构

基础篇建立数字表示、模型计算、训练、协议、状态、检索和评测所需的概念。每节先解释对象，再用小例子演示，最后给出课后自检。系统篇围绕具体问题展开内部过程、公式、实现边界与连续追问。综合案例将单个机制连接成完整执行过程。专题研修提供进一步的代码实现、故障实验与应用设计；拓展阅读按研究主题组织中文讲义。

建议阅读顺序

首次阅读从F01：文字、数字、模型与程序开始，沿章节末尾的“下一节”前进。完成F06后，阅读“从两句话到三维表示”的综合示例，再继续F07。基础篇结束后进入系统篇；模型生成、工具执行、知识流转和系统诊断分别配有完整案例。

已有基础的读者可以依据目录与学习路径选择主题，但应先检查对应的预备知识。F编号标识基础课，Q编号标识系统篇问题；这些编号用于检索和交叉引用，不表示能力等级。

怎样读懂一个机制

每读完一段，先指出它处理的对象和输出结果，再按顺序复述操作。遇到形状，说明每个轴在计数什么；遇到公式，用一组小数字算出中间结果；遇到执行流程，说明谁保存状态、谁执行动作、失败后依据什么继续。最后改变一个条件，检查原有结论是否仍成立。

例如，不能只记住缓存“用于加速”，还应解释保存了什么、哪些计算得以复用、何时失效，以及如何与不使用缓存的结果比较。也不能只记住“失败后重试”，而应区分动作尚未执行、明确失败，以及外部结果未知三种情况。

术语、符号与参考答案

术语在基础课中结合动作与例子说明。正文中的虚线链接通向术语与符号速查，各深入问题提供所需基础的本地入口。速查用于回忆，不能代替完整推导。自检题默认只显示题目。先独立思考或计算，再点击“查看参考答案”核对过程；答案可随时收起。

事实、教学例子与实验结果

论文和官方文档用于支持注明范围内的公开机制；手算数字、假想仓库和任务情景用于教学；程序结果只证明相应输入与断言下的行为。三者分别标明。产品行为受版本、配置与运行环境限制，闭源内部实现未公开的部分不以推测补充。

出处在参考资料与适用范围中列出，阅读中文正文不依赖外部网页。本书不是各来源的逐句全文翻译，也不声称复现全部论文实验、提供商业模型排名或完成生产安全审计。

离线阅读与实验

解压资料包后打开index.html即可阅读。搜索在本地浏览器中运行，字号与已读标记使用本机存储，不自动同步到其他设备；浏览器不允许存储时，正文仍可正常打开。

交互实验可以直接修改数字查看结果。基础与运行链路实验使用Python标准库；专题实验另行注明NumPy、PyTorch等依赖。可选在线示例与离线实验分开标注，运行前应阅读其数据与费用说明。