全库一页纸

七层书架 × 21 模块——30 秒找到要翻的那一册

七层书架 21 模块 · 实测 1998 页(放映序口径)

点模块名直接读,点后面的页数取讲义放映。
层模块一句话
解决方案层Solution-Patterns 101 页方案 = 场景 × 积木:七大场景图纸(含 ChatBI、会议助手)+ 方法底座(五层架构 / 三本账 / 口径鉴别)
Model-Landscape 99 页 ⏳ 全库最易过期谁在造发动机、该买哪台:三阵营 / 五名片 / 中国四强 / 许可证 / 价格 / 选型法 / 国内四平台格局
应用模式层RAG 129 页检索增强生成 12 章全谱:基础五件套到 GraphRAG / 多模态 / 结构化
Agent 123 页会做事的模型:循环、组件、编排、MCP、上下文工程、护栏、低代码平台、记忆、Computer Use、Sub-agent 编排
Multimodal 116 页看图听声读文档 + 生成 + 语音实时链路(第 8 章)+ 视频生成(第 9 章)
协议层MCP 81 页Agent 连工具的 USB-C:协议、server 实践、生产、安全
A2A 83 页Agent 连 Agent:五大对象、发现传输、多智能体协作
工程保障层Fine-tuning 89 页什么时候微调、LoRA/QLoRA、数据、对齐、托管服务、验收
Evaluation 100 页怎么证明好不好:基准的坑、判官、自建评估集、场景验收
Security 90 页威胁全景、注入、数据、供应链、Agent 安全、护栏红队、治理、中国监管合规(第 8 章)
AI-Gateway 86 页流量统一治理:接入 / 路由 / 成本 / 护栏 / 观测 / MCP 网关
AI-Ops 71 页上线后的日子:在线评估、漂移、发布管理、事故响应、运营包
Predictive-AI-MLOps 122 页接住客户已有的传统模型:切题、特征时间语义、七类信号对七种动作、平台分界
AI-Governance 117 页谁凭什么证据批准:按用途登记、两把尺子、五种决定、证据包、变化触发
基础层LLM 原理 91 页Transformer / QKV / KV 缓存 / 注意力工程进化——一切成本问题的架构根源
LLM-Training 85 页从随机权重到助手:数据、预训练、SFT、对齐、RLVR、算力账
LLM-Inference 94 页推理服务工程:显存账、批处理、引擎、量化、投机解码、P/D 分离
Prompt-Engineering 83 页把意图讲准:结构、技巧、工程化与自动优化、注入安全
算力底座层AI-Infra-Compute 87 页 ⏳ 芯片格局易过期卡、显存、互联、网络、存储、算力经济学
AI-Infra-Platform 81 页把一堆卡变平台:调度、切分、容错、利用率、推理平台化
数据底座层Data-Engineering 70 页把烂数据搞就绪:四问评估、解析、连接同步、向量库选型、质量运营、标注、治理衔接

五条串联主动脉

  1. 选型线:Model-Landscape(格局与方法)↔ Evaluation(榜单的坑 + 评估集终审)↔ AI-Gateway(多模型路由落地)
  2. 质量线:Evaluation(离线建集)↔ AI-Ops(在线评估运营)——离线验收 × 在线巡逻,共享判分器
  3. 场景线:Solution-Patterns 每章 → RAG / Agent / Multimodal 当积木 → AI-Ops 运营包收口(= SP 人力账的展开)
  4. 成本线:LLM 原理(O(n²)/KV 机制)→ LLM-Inference(显存账 / 量化)→ AI-Gateway(缓存 / 路由)→ Model-Landscape 价格带
  5. 安全线:Security(要防什么 + 中国监管门槛)→ AI-Gateway(集中执行)→ AI-Ops(事故响应)→ Agent / MCP(最小权限落点)

保鲜看板 · 已排定的定点复查

完整保鲜看板与到期清单在 网页版保鲜看板——每条事实按自己的节奏(30/90/180 天)算出复查日,本页不再手抄第二份。

事实与信源原则

所有材料基于事实、信源可靠(2026-07-10 起全库硬约束):模块内数字以各自联网核实笔记为唯一事实源、登记进 MANIFEST 带核实日期;汇总类材料(本页与实战包)不自创事实、每条带源指针;引用任何数字先核日期——不带日期的模型数据都值得警惕。

页数为实测口径(全库 21 模块共 1998 页)· 时效机制与引用映射见 _prep/MANIFEST.md · 生成于 2026-07-10 · 末次更新 2026-07-22