学习资料 全部文章

《增长黑客》开源全文系统梳理创业公司从产品验证、获客到留存变现和病毒传播的增长方法，核心结论是数据驱动、实验验证与产品驱动增长仍有效，现仅授权非商业阅读与分享。

《前线部署工程师》提出FDE通过识别业务问题、客户获取、部署激活、续约扩收与规模复制，将AI模型嵌入真实流程并量化价值，是破解企业AI落地失败、弥合技术与商业价值鸿沟的关键岗位方法论。

开源书《深入理解AI Agent》系统解决AI Agent从原理到工程落地的学习与实践问题，提供10章内容、10种语言版本及94个实验代码，降低开发者构建、评估和扩展Agent的门槛。

该ML系统教育项目整合教科书、TinyTorch、MLSys·im、硬件套件与教学资源，构建从阅读到部署的学习闭环，旨在弥合AI构建与工程化落地差距，dev分支正拆分两卷内容，并通过分层许可支持教学、开源与受限商用。

AdaCoM用外部小型LLM为冻结Agent学习上下文删改、合并与压缩策略，缓解长任务中的上下文退化，无需训练闭源Agent；实验显示网页搜索平均相对提升39.0%，深度研究中Kimi、DeepSeek分别提升9.0%和22.3%，核心结论是强Agent适合保留较长高保真上下文，弱Agent需激进压缩，且策略可在能力相近Agent间迁移复用。

教程用PyTorch从零复现Transformer语言模型，覆盖The Pile数据下载、预处理、训练、生成与代码解析，支持1300万至20亿参数规模；项目模块化实现MLP、自注意力、因果掩码、Transformer块、嵌入和位置编码，并给出GPU显存与可训练规模参考。

LLM Sleep提出在上下文窗口满后暂停输入，执行多次离线递归前向传播，用学习规则更新SSM快速权重，再清空KV缓存继续预测；其核心判断是长上下文失败主要源于被驱逐信息缺乏足够计算转化，而非内存容量不足。实验显示睡眠循环越多，Rule 110、Depo多跳检索、GSM-Infinite和滑动窗口任务的深度推理表现越好，收益集中在难例；代价是训练成本随循环深度线性上升且更不稳定。

该开源仓库提供28个可运行生产级GenAI智能体教程，覆盖编排、RAG、记忆、工具集成、部署、多智能体协作、GPU扩展、安全护栏与可观测性，配套两本技术书籍，是包含从原型到企业级落地的技术手册。

AI正把创始人从亲自执行者推向Agent编排者，使非技术创始人也能交付生产级应用，10人独角兽具备可规划性。创业路径被重构为四阶段：Idea先验证问题与假设，MVP用最小产品、持久上下文和安全审查证明需求，Launch把牵引力转为可重复增长并系统化运营，Scale依靠领域深度、数据飞轮和工作流锁定构建护城河。AI降低了构建成本，但原型不等于验证，长期优势来自判断力、编排能力与可积累资产。

《Build a Large Language Model (From Scratch)》官方代码库提供从零实现GPT类LLM的完整教学代码，覆盖数据处理、注意力、预训练、分类微调、指令微调与推理，采用纯PyTorch、可在普通笔记本运行，并扩展Llama、Qwen、Gemma、MoE等架构，配套视频、自测、Docker、答疑及推理模型续作资源。