一套围绕 AI 工程协作的六层学习系统。20 篇文章、12 张信息图、6 份工程文档，按需取用。
工具不是学习目标，但稳定的版本管理、AI 工作台、远程仓库和网络条件，是后续知识沉淀与工程实践能够持续发生的前提。
先理解思维如何从经验、确定性模型走向统计与不确定性管理，才能理解为什么 AI 工程需要数据、验证和持续迭代。
把抽象方法变成可照做的学习路径。新手先走通闭环，再回到证据中理解每个工程决策。
知识管理理论解决「为什么管理、管理什么」，大模型知识库解决「如何低成本地持续摄入、组织、检索与维护」。
核心案例回答「发生了什么」，工程链路回答「如何从一段真实对话走到可验收交付」。
按知识类型检索原始交付物。它们不是并列文章，而是工程主线中不同阶段留下的可追溯证据。
60 篇 AI 工程短文，按 6 个类别整理收录。配图占位中，正文陆续补全。
AI 是什么、能做什么、与你什么关系——不堆术语，先把地图摊开。
模型怎么读懂世界、按什么收费、什么时候换上下文——把黑箱的盖子揭开一点。
不是咒语，是把人话变清楚——结构、约束、例子比辞藻重要。
模型记忆有限，把对的东西在对的时刻送进去——检索、压缩、缓存都是这个问题的不同切面。
让模型从答题走到办事——给它工具、给它边界、给它循环、给它复盘。
又快又便宜又安全是不可能的——把每一项的代价和回报算清楚。