Appearance
教程总览：全书 21 章
本页是教程分区的入口。第1章是不计入正文学习量的环境/权益审计。课程正文唯一入口是
docs/chapters/01-setup.md–19-capstone.md加八章插入/扩展章（第2章、第12章、第14–17章、第20–21章），每章页面把交互演示和动手实验都内嵌在正文里，不是另一套独立教程。插入章补两类缺口：第2章是零基础入口坡道（Python/数学最小集），第12章和第14–17章是应用层实战（真实 embedding、真实 LLM API、Prompt/记忆、LangGraph、流式交付）；第20、21章是第二梯队拔高扩展（DeepSeek 模型专题、Subagent/Multi-Agent），主线完成后再读。
北极星目标是：先从空白接口写出 decoder-only LLM 的关键机制，再把确定性模型实验接到可恢复、安全、可评估的 Agent harness。课程产品是否完成由自动化和真实浏览器证据决定；学习者是否掌握由人类口述、手写和答辩决定。更完整的项目目标与设计原则见仓库根目录 README.md「0. 项目目标与设计原则」。
CHAPTER MAP · 21 章
把每一章变成可回放的证据
先读地图，再打开实验；模型、云和人类验收保持三条独立门线。
第1章 · 基础
环境、隐私与权益准备
本地基线可跑；Google 权益必须由本人在 UI 核验
本章验证命令：pnpm verify云端训练按钮不会在页面内发起请求；要进入 Google Cloud，必须先在第1章核验权益，再由人类分别批准 smoke、full run 和 service deploy。
先读
- 第1章 环境审计：固定支持矩阵，完成本地 CPU/MPS smoke 和脱敏的环境状态记录。
- 按章节顺序阅读正文：每章保留手写实现、失败题、测试和复盘，扩展阅读可后延。
- 与 ai.zenheart.site 的边界：明确模型教学、Agent 工程和云资源的责任边界。
- 个人经历对齐：用脱敏技术主题调整学习顺序，不复制个人经历原文。
- 毕业口试与总复习：准备产品 evidence 和人类掌握验收，两者不能互相代替。
更详细的概念/论文/上游参考绑定见 核心知识地图。
章节计划与最小产物
| 章 | 必修最小路径 | 最小产物/通过信号 | 现有阅读入口 |
|---|---|---|---|
| 第1章 | 环境、隐私、浏览器、Google 权益与预算审计 | 脱敏支持矩阵；cloud_training_eligibility 为 eligible/unavailable/unverified；三项云授权默认 false | 第1章 环境审计 |
| 第2章（第3章前） | Python 最小集（dunder/闭包/虚拟环境/pytest）、NumPy shape 与矩阵乘、差商与 -log 直觉 | 15 道练习全实现；判分测试 exercises 组 0 skipped、16 passed | 第2章 Python/数学坡道 |
| 第3章 | autograd、有限差分、MLP、梯度故障题 | 梯度数值对拍、loss 下降、覆盖/累加错误修复 | 第3章 自动微分 |
| 第4章 | Bigram→MLP、NLL/CE、采样 | 参数确实更新；训练/验证指标和采样参数可解释 | 第4章 字符语言模型 |
| 第5章 | UTF-8/byte BPE、特殊 token、可逆性 | 中英/emoji 往返一致；数据来源和许可已记录 | 第5章 BPE |
| 第6章 | Tensor shape、反传、初始化、LayerNorm、训练诊断 | shape contract、梯度/激活诊断和对拍 | 第6章 训练稳定性 |
| 第7章 | scaled dot-product attention、causal mask、MHA、Transformer Block | 未来 token 不可见；head reshape、mask、residual 消融证据 | 第7章 Transformer |
| 第8章 | TinyGPT 预训练、过拟合、checkpoint、恢复、生成 | 真实 backward/update、受控 loss 下降、恢复后 next loss 一致 | 第8章 TinyGPT |
| 第9章 | RoPE、RMSNorm、MQA/GQA、prefill/decode、KV Cache、量化 | cache/full 等价；warm-up、重复次数和硬件记录完整 | 第9章 推理与量化 |
| 第10章 | SFT、assistant-only mask、LoRA、极小 DPO | adapter/权重更新；base/SFT/LoRA/DPO 在固定集上的差异 | 第10章 后训练 |
| 第11章 | embedding、chunking、召回/rerank、引用、ACL | recall@k、引用正确率、无依据率；越权和 injection 被拒绝 | 第11章 RAG |
| 第12章（第11章后） | 真实 embedding、sqlite-vec ACL 内嵌 KNN、结构感知 chunking、RRF 混合检索、20 题最小评估 | 实战版 recall@5 1.0、引用正确率 1.0、无答案拒答率 1.0 | 第12章 RAG 实战 |
| 第13章 | typed tools、MCP、状态持久化、幂等、重试、HITL | schema 先验校验；批准前无副作用；中断后 checkpoint 恢复 | 第13章 Agent |
| 第14章（第13章后） | 真实 LLM API：messages、SSE 流式、function calling 往返、退避限流、embedding 对比 | 离线回放 14 测试全绿；live 路径标 unverified-live | 第14章 真实 LLM API |
| 第15章（第14章后） | system prompt 四段式、few-shot 失效、结构化输出三档、prompt 即代码资产、记忆四模式 | 20 测试全绿；golden 回归 5/5；记忆冲突决策序列确定性 | 第15章 Prompt 工程与记忆 |
| 第16章（第15章后） | 手写 loop 逐件映射 LangGraph、checkpointer 恢复、interrupt 重跑语义、五 workflow 模式 | 13 测试全绿；故障版副作用 1→2 vs 修复版 0→1 实证 | 第16章 LangGraph 实操 |
| 第17章（第16章后） | SSE 帧协议、fetch+ReadableStream 消费、流式 TextDecoder、partial JSON 增量渲染 | 11 测试全绿（帧格式/半行重组/乱码对照/中断） | 第17章 全栈流式交付 |
| 第18章 | eval/Judge 校准、trace、安全、容器化和云 smoke | 冻结 eval-spec-v1；攻击/故障报告；云链路需独立授权 | 第18章 评估/云 |
| 第19章 | Capstone、clean-room 抽测、口述与答辩 | Safe Agent Harness、指标/成本/失败证据、人类毕业判定 | 第19章 Capstone |
| 第20章（第二梯队，第19章后） | MLA/MoE/GRPO 记账规则 toy 复现、R1 流程、MTP/FP8 概念（先修第9、10章） | KV 字节数手算与程序逐字节一致；router 坍缩→纠偏对照；GRPO advantage 性质断言 | 第20章 DeepSeek 模型专题 |
| 第21章（第二梯队，第20章后） | orchestrator + 隔离 subagent、任务契约、结果合并、A2A 概念（先修第13、16章） | 隔离三断言全 true；委派循环被 depth limit 拦截（3 vs >100 对照）；16 测试全绿 | 第21章 Subagent 与 Multi-Agent |
每章页面定义课程合同；gate 仍必须以证据关闭。进入下一章前，每章至少应有：
- 目标和最少数学能用自己的话解释；
- clean-room 实现和可见语义测试，而不是只检查文件存在；
- 一个故意失败或故障注入样例，以及修复前后证据；
- 固定 seed/环境/命令/阈值/实际指标和仓库相对 artifact 路径；
- 一条与 Agent 状态、工具边界、可观测性或成本取舍的迁移说明。
阶段门
第1章门：可复现且不泄密
本地环境先通过 pnpm docs:build、pnpm test:labs、隐私扫描和浏览器基线。Google 资格只记录官方 UI 的脱敏状态、范围、expiry 和 evidence_local_only=true；未核验时保持 unverified，不凭产品名称推断 GPU 或 Cloud credit。
外部参考仓库的版本、许可和复制边界见参考资料读回；课程只保留独立实现和链接，不把第三方正文或代码伪装成原创。
第3–10章门：L3/L2 模型链路
L3 主题必须独立手写、数值对拍、故障定位并口述；TinyGPT 必须证明参数更新、受控 loss 下降和 checkpoint 恢复。第9、10章的性能和后训练结论必须报告环境、重复次数和固定评估集，不能把一次运行当作普遍结论。
第11–18章门：Agent 与云边界
RAG 先做 ACL 再排名；工具先 schema/policy 校验再执行；高风险动作必须绑定会话、参数、时限和 HITL；恢复、重放、超时、prompt injection 和 secret exfiltration 都要有测试。云训练默认 Cloud Run Jobs CPU，Vertex T4 仅在当日 quota/价格和单独授权均成立时使用。第18章的本地 dry-run、Job 入口和 fixture service 只证明适配器合同；真实云门还必须有资格 UI、Job execution/checkpoint、image digest/revision、认证生成、清理和 48 小时账单回读。
第19章门：产品与学习者分开
course_product_w12_passed 由自动化、Capstone、真实 headed Chrome 和安全 evidence 支撑；learner_graduation_approved 只能由人类完成独立手写、故障题、论文口述和答辩后写入。页面进度最多表示已阅读/已尝试，不能自动宣称掌握。