Learn LLM从原理到可验证 AI Agent 的实践书

你将建成什么 ​

完成课程产品要求的自动化、实验和真实浏览器验收后，课程应能证明：

1. 你能从空白接口手写并解释标量 autograd、BPE、causal attention、Transformer Block、TinyGPT 训练、RoPE、KV Cache、SwiGLU、RMSNorm、Tied Embedding 和 PagedKV。
2. 你能用固定 seed、最小数据、数值对拍、故障注入和 checkpoint 证据证明训练/推理行为，而不是只跑一次 forward。
3. 你能把教学模型链路与独立的 RAG、typed tools/MCP、状态持久化、HITL、恢复、评估和安全 harness 连接起来。
4. 你能说明本地、免费外部资源和 Google Cloud 的边界，并在 cloud_training_eligibility 未核验或授权为 false 时诚实停在本地路径。

课程产品状态和学习者状态分离：course_product_w12_passed 需要自动化、Capstone、浏览器和安全 evidence；learner_graduation_approved 必须由人类依据独立手写、故障定位、论文口述和答辩写入。页面复选框最多表示已阅读/已尝试，不表示掌握。

站点怎么组织 ​

三个入口分工不同，不是同一内容的三份拷贝：教程（/chapters/）是唯一正文，每章的交互演示和动手实验（命令、预期输出、故障注入）都直接写在当章页面里，跟着正文一起学；实验（/examples/）不重复教程内容，只是把教程里出现过的实验整理成一个索引，方便学完之后想单独重跑某个命令时快速找到、回链到对应章节的锚点；参考（/reference/）保持中立查阅——术语表、必读论文、核心知识地图、课程边界、毕业口试与前沿专题都在这里，只给事实和跳转链接，不做教学讲解。

旧入口「Labs」「云路线 dry-run」「隐私红线」已分别合并到上述分类，不再单独出现在顶级导航。

导航和首页的「电子书」提供与这 23 章同一套正文的离线 EPUB：/learn-llm.epub，/downloads/learn-llm.epub 是同一文件。交互演示仍只在网站里。

全书地图（23 章核心课程 + 前沿专题） ​

课程核心正文严格维护在 docs/chapters/（全书单调递进 23 章）；路径页、实验和参考（含前沿研究专题）是导航与延伸材料。

怎么开始 ​

1. 先读 教程总览 和 第1章 环境审计，建立脱敏基线。
2. 接着读 第2章 Python 底座 与 第3章 数学桥接。已经具备扎实基础的人，可以直接进 第4章。实验索引只用来重跑，不要从 实验 03 跳过坡道。
3. 中途要查名词：去 术语表 查 SwiGLU / PagedKV / Tied Embedding 等。
4. 在本地 CPU/MPS 安装依赖，运行 pnpm test:labs、pnpm docs:build 和隐私扫描。
5. 每章按”理解 → clean-room 实现 → 失败题 → 语义测试 → evidence → 口述”推进；固定阈值不能看完结果再下调。
6. 需要 Google Cloud 时，先完成真实 UI 的资格核验，再分别取得 smoke、full run、service deploy 三个一次性授权。

详细复现命令见仓库根目录 REPRODUCE.md，站点内入口见 环境准备；个人经历对齐见 个人经历对齐，隐私边界见 隐私红线。