博客阅读指南 | 笔记、实践与思考，一路同行

我是长琴，这里是我的个人博客。初衷只是方便自己复盘知识点、梳理思考脉络，慢慢沉淀中。

这里的内容主要是一名深耕一线的 AI 从业者的日常：有技术的拆解、有认知的碰撞，也有生活的点滴，是技术博客，更是一个普通人持续成长的印记。

不追求更新速度，只求能认真把事情想清楚、写明白、做扎实，做有温度、有思考、有成长的记录。

若有某一句话、某一篇笔记，能恰巧帮到你，便是莫大的荣幸。

愿我们都能在技术与生活的路上，慢慢走，深深悟，久久行。

技术与认知体系（知行合一）

真正的体系，不仅仅是"看过什么文章"，更是"跑通过什么代码"。所以我将整个博客的「理论沉淀」与手头的「开源开源」映射为四大核心支柱。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
┌─────────────────────────────────────────────────────────────────────────┐
│                    长琴 · 技术与认知知识体系                              │
├─────────────────────────────────────────────────────────────────────────┤
│                                                                         │
│  ┌───────────────── 🚀 前沿与核心（Frontier & Core）────────────┐         │
│  │  [理论系列]                                                    │         │
│  │  LLM系列 (R1/RL/GRPO/Reward) · LMM多模态 · 推理加速               │         │
│  │  [实践项目]                                                    │         │
│  │  hands-on-llama / lightinfer / hcgf / llm-deploy           │         │
│  └──────────────────────────────────────────────────────────────┘         │
│                          ▲ 算法基石                                        │
│  ┌───────────────── 🧰 基础与筑基（Foundation Base）────────────┐         │
│  │  [理论系列]                                                    │         │
│  │  NLP基础(SLP/形式化) · 深度学习/机器学习 · 数学 · 数据科学          │         │
│  │  [实践项目]                                                    │         │
│  │  pnlp / hnlp / bytepiece-rs / 巨硬的 NumPy                    │         │
│  └──────────────────────────────────────────────────────────────┘         │
│                          ▲ 工程能力                                        │
│  ┌───────────────── 🛠️ 工程与应用（Engineering & App）──────────┐         │
│  │  [理论系列]                                                    │         │
│  │  编程Coding(Rust/Python/C) · 算法题 · 系统Unix/网络             │         │
│  │  [实践项目]                                                    │         │
│  │  create-vibe-app / yoc / toolhub / pararun / 面经           │         │
│  └──────────────────────────────────────────────────────────────┘         │
│                                                                         │
│  ┌───────────────── 🧠 认知与生活（Cognition & Life）───────────┐         │
│  │  [理论系列]                                                    │         │
│  │  AI思考与哲学 · 个人成长 · 推荐广告逻辑 · 心理/经管随笔           │         │
│  └──────────────────────────────────────────────────────────────┘         │
│                                                                         │
└─────────────────────────────────────────────────────────────────────────┘

完整文章列表见「SERIES」页面；完整开源大全见「关于我」页面。

推荐学习路线（读文章 + 跑代码）

🚀 路线一：深耕大模型训练与对齐
适合想搞清楚大模型底层训练与对齐算法架构的研究者 / 一线从业者。

理论：LLM 预训练/继续训练 → SFT/指令跟随 → Reward 建模 → RL/GRPO/R1 路线
实践：用 hands-on-llm 体验全流程，用 hcgf 跑通微调闭环

⚡ 路线二：大模型推理部署与多模态
想了解大模型推理底层架构、多模态前沿方向的同学。

理论：推理加速系列 → 关注 LMM 系列（音频/Voice Agent）
实践：硬核推导 hands-on-llama (NumPy实现) → 尝试 lightinfer (服务化部署) 或 llm-deploy 教程

🛠️ 路线三：AI 应用开发实战
适合想快速将大模型能力落地到具体业务的开发者。

理论：ChatGPT/LLM 系列 → 提示词与指令跟随 → Vibe Coding / AI 思考
实践：读透《ChatGPT原理与应用开发》(蝴蝶书+源码) → 用 create-vibe-app 快速建站搭建如 toolhub 或 yoc 等玩具应用

🧰 路线四：打牢 AI 与 NLP 基础
适合刚接触 AI，想把底层数学、经典 NLP 和机器学习做扎实的同学。别急，一步步来。

理论：数学 Math → Python/C/Rust编程 → 数据科学 → 机器学习 → 深度学习 → 经典 NLP 系列（SLP教材等）
实践：跟学「巨硬的 NumPy」 → 使用 pnlp 或研究 bytepiece-rs 源码

当然，如果不想看硬核技术，欢迎翻翻——生活杂记、认知心理、人工智能哲学思考，这些都是我作为工程师之外的另一面。

学习配套

为帮大家更好地将理论转化为实操，我主导或深度参与了多项开源教程和工具建设。它们严格对应着上面的四大支柱体系，所有项目均托管在 GitHub。

建议访问「关于我 - 开源项目」查看完整的 30+ 细分项目列表与直达链接：

  1. 前沿模型训推实战：hands-on-* 系列、lightinfer、llm-deploy、hcgf等。
  2. AI应用研发与全栈脚手架：HuggingLLM、create-vibe-app 工具流、yoc / toolhub 等实战应用。
  3. NLP与数据科学底层建设：pnlp、hnlp、cppjieba、巨硬的 NumPy。
  4. 编程规范与职业精进：daily-interview (AI面经)、设计模式解读、xhttpy / pararun 通用轮子。