Agent 系统性学习

大模型学习笔记

3分钟阅读

大模型学习笔记 · 系列

这里是我学习大模型与 AI Agent 的公开笔记。写给想搞懂原理但不想读代码的人：术语第一次出现时都会就地解释，关键结论保留英文原话并附人话翻译。6 篇主线教程互相衔接，正文里的概念都有独立词条页，双向链接，可以像 wiki 一样漫游。

主线系列（建议按顺序阅读）

  1. LLM 真的只是排字游戏吗 从生成机制到”理解之争”：自回归、思维链、推理模型，以及中文房间、随机鹦鹉这场持续多年的争论。适合作为整个系列的入口。

  2. 大模型的参数与能力维度 参数到底意味着什么、智能由哪些维度构成、为什么同一批模型的跑分会互相打架。

  3. Claude Code 架构与 Agent 工作原理 🏆 自认为写得最好的一篇 —— 纯文字的功能解读：不教你怎么写代码，只告诉你每个模块解决什么问题、怎么工作、边界在哪。

  4. DeepSeek Harness 架构取舍 “一切皆插件”的 Agent Harness 设计：以 DeepSeek Harness（dsh）为主轴，串起它与 Claude Code、pi 的取舍对比。

  5. Hermes Agent 功能详解 纯功能视角的深度解读：每个系统做什么、为什么这样设计、怎么用好它。

  6. Jev 知识 一个”只会做判断”的 AI：它是什么、怎么工作的、现在能干嘛、以后可能干嘛、哪里不行。全篇不写代码。

词条库

主线教程中出现的概念都有独立词条，正文与词条之间双向链接。左侧目录树可以浏览全部页面，几个高频入口：

关系图谱