第 14 卷 · AI 基础、检索、Agent 与应用评测

MorseWayne2026/9/23...大约 6 分钟

本卷的定位与入口

先修：作为学习路线的独立方向，S3 后可进入 Python、数学和模型基础；工具工作流前需掌握 S5 的身份、幂等与恢复，部署前具备 S6 运行基础。Python、向量、概率和模型术语由本卷讲解。

本卷按起步、原理、工程和进阶分层；首次进入时按阶段学习路线选取当前需要的章节。

14.01 Python 与数据工作已完成。它面向 Go 初学者，用完全虚构的 IM JSONL 补齐 Python 对象、函数、异常、UTF-8、字段/权限校验与可复现数据清单。14.02 必要数学与机器学习直觉从人工二维向量进入余弦、条件概率、分类指标、训练/验证和泄漏。14.03 语言模型基础分清 UTF-8 字节、token、模型向量、上下文与生成文字和 IM 业务事实。14.09 评测与数据工程先建立虚构问题、资料权限和关键词基线，再为学完 RAG 后的组件/端到端评测留第二遍。14.04 Transformer 与推理路径用可手算注意力和 KV 缓存估算连接模型机制与业务权限。14.05 提示与结构化输出从指令与示例走到 JSON 契约、分层校验和安全回退。14.06 检索与索引从切分、倒排/BM25 到向量、ANN、融合和权限过滤。14.07 RAG 完整链路把有权候选接成证据充分性、生成、逐句引用和拒答链。14.08 工具、工作流与 Agent从读写工具、审批、预算到检查点和未知结果。14.10 优化与部署按有权正确任务衡量模型路由、批量、缓存、流式与过载。14.11 微调与多模态选修先辨是否需要训练/媒体，再讲 LoRA、量化与图文权限。14.12 可持续交付把版本、灰度、反馈、回滚和 R9 误发布事件连成完整交付卡。十二章各含 8 节讲解、22 道分层练习；本卷独立章稿已齐。

本卷实际顺序：14.01–14.03 → 14.09 的数据集与基线起步 → 14.04–14.07 → 回到 14.09 深化组件和端到端评测 → 14.08 工具工作流 → 14.10、14.12。14.11 按需求选修。评测在首次比较方案之前开始，涉及工具副作用时再检查恢复前置；章节编号继续用于稳定定位。

IM 主线中的位置

在虚构会话中提供有访问范围、有证据的资料助手；先评测，再引入工具与有副作用的动作。

主参照与源码入口见 OpenIM 阅读地图。各章区分公开项目事实与虚构教学规则，在具备先修后对照固定源码。

参考材料怎样进入课程

采用经典资料的知识覆盖与递进思路，结合 Go 和虚构 IM 重新组织。下表对应本卷已完成的十二章；按先修选择章节并完成独立变式。

起步层

章节	要详细讲解的内容	IM 练习与验收目标
14.01 Python 与数据工作	对象、函数、异常、环境、文件、数据校验和可复现记录。	用Python整理虚构消息与资料，讲清对象、异常、环境、文件与数据校验。
14.02 必要数学与机器学习直觉	向量、矩阵、相似度、概率、条件概率、训练与验证、过拟合。	先手算向量、相似度、概率和错误，再区分训练、验证、未见样本与过拟合。
14.03 语言模型基础	token、embedding、序列、预测分布、上下文与生成；训练/推理区别。	解释聊天输入怎样形成token和候选输出，区分模型推理与业务事实。

原理层

章节	要详细讲解的内容	IM 练习与验收目标
14.04 Transformer 与推理路径	注意力的直觉、位置、层、采样、prefill/decode、KV cache。	用小序列说明注意力与推理阶段，估计长会话上下文和缓存的资源影响。
14.05 提示与结构化输出	指令、示例、上下文、输出模式、失败处理与版本。	在固定查询集上比较指令与结构化输出，处理格式失败和版本差异。
14.06 检索与索引	分块、词项、向量、ANN、混合检索、重排和版本元数据。	为虚构资料建立词项与向量检索，分别定位召回、排序、权限和过期问题。

工程层

章节	要详细讲解的内容	IM 练习与验收目标
14.07 RAG 完整链路	证据充分性、引用、拒答、数据更新、缓存与权限过滤。	让聊天回答逐项对应证据，设计不足时的反馈、引用、更新与访问范围。
14.08 工具、工作流与 Agent	状态机、规划、工具契约、权限、批准、预算、checkpoint 和幂等。	为聊天工具定义权限、状态、批准、预算、检查点与幂等，推演副作用恢复。
14.09 评测与数据工程	标签、代表性、泄漏、基线、组件与端到端指标、裁判偏差。	在首次比较方案前建立数据与基线，再深化组件指标、端到端效果和裁判偏差。

进阶层

章节	要详细讲解的内容	IM 练习与验收目标
14.10 优化与部署	模型选择、批量、缓存、路由、流式输出、限流与观测。	按成功任务比较模型、批量、缓存、路由、限流与流式输出的质量和成本。
14.11 微调与多模态选修	数据需求、适用条件、训练成本、量化、图文输入与评测。	按具体缺口选择提示、检索、微调或多模态，说明数据、训练和评测前提。
14.12 可持续交付	用户反馈、数据/模型/提示版本、灰度、回滚和故障响应。	交付可追溯的聊天资料助手，记录数据/模型/提示版本、灰度、回滚和故障响应。

本卷综合任务

从固定文档与查询集发展到聊天中的资料助手，再引入受控工具；记录权限、证据、版本、质量、成本与恢复。

任务由学习者在具备环境时执行。理论推导、参考示例、个人实现和真实运行记录分别保存，故障与反例属于必需部分。

达到的能力

能分辨模型、数据、检索、执行和产品需求的不同失败，并用独立评测决定改进。

用解释、最小实现、失败变式、业务取舍四类证据评审。只有目录、术语定义或参考代码通过，不能直接记为掌握本卷。

本卷章节展开规则

每章从一个明确问题开始，先补齐本章所需定义，再推导机制；至少含一条完整执行过程、一个反例、分层练习、反馈与业务迁移。复杂章节拆成多课，不把整卷知识压成一次速读。

当前编写状态和章节深度要求见课程编写与能力验收。