人工智能知识库

人工智能

11分钟阅读

人工智能

知识库总览

本目录收录 240+ 篇人工智能相关笔记，涵盖理论学习与工具实操两大体系。理论体系围绕AI核心学科构建；工具体系围绕生产级应用展开。更新时间：2026-04-18。

一、理论学习体系

概览

理论学习体系位于 人工智能学习知识/ 目录，从基础数学到高级算法范式，共九大核心方向。详见主索引：人工智能学习知识

序号知识方向文档数核心主题
1深度学习—神经网络基础、反向传播、训练技巧
2机器学习—传统ML范式、监督/无监督/强化
3知识图谱—图结构、实体关系、知识表示
4强化学习7MDP、Q学习、DQN、PPO、策略梯度
5数学基础7概率论、统计学、线性代数、凸优化、图论
6语义学6形式语义、计算语义、语用学、分布式语义
7符号学5符号逻辑、索绪尔、皮尔斯、后结构主义
8逻辑与推理4一阶逻辑、模态逻辑、自动定理证明
9对抗算法6博弈论、对抗样本、GAN、对抗训练
10进化算法5遗传算法、遗传编程、进化策略、PSO
11认知科学4认知心理学、感知表征、记忆系统
12算法优化5计算复杂性、近似/组合/随机/在线算法

1.1 深度学习与机器学习

1.2 强化学习

1.3 数学基础

1.4 语义学

1.5 符号学

1.6 逻辑与推理

1.7 对抗算法

1.8 进化算法

1.9 认知科学

1.10 算法优化

二、工具实操体系

概览

工具实操体系位于 人工智能工具实操/ 目录，围绕生产级AI应用构建。详见主索引：人工智能工具实操 — 主索引

2.1 提示词工程

提示词工程 — 释放大模型能力的核心杠杆

2.2 大模型调用

大模型调用 — API接入、本地部署与模型微调

2.3 智能体搭建

智能体搭建 — 从工作流设计到多Agent协作

2.4 知识库管理

知识库管理 — RAG、向量检索与知识图谱构建

2.5 Context Engineering

Context Engineering — 上下文窗口管理、压缩与质量评估

2.6 AI Hardness

AI Hardness — 人工智能的核心挑战与难题

2.7 小龙虾生态

小龙虾生态 — OpenClaw / Hermes Agent / Pi Framework

2.8 Skills书写与整合

Skills书写与整合 — Cursor Skills 编写理论与实践

2.9 数字人构建

数字人构建 — 虚拟形象、语音、渲染与交互

三、参考资料

3.1 参考工具集

3.2 杂项名词库

待整理

以下文件散布于 乱七八糟的名词库/，部分内容已整合至理论体系对应目录，待进一步去重整合。

四、学习路径建议

入门路径：理论优先，工具跟进 

数学基础 → 深度学习 → Transformer → 提示词工程
→ 大模型API调用 → 智能体搭建 → RAG知识库

进阶路径：深入理论，强化实践 

强化学习 → 对抗攻防 → Agentic RAG → Context Engineering
→ 多智能体协作 → AI Hardness挑战

交叉路径：符号与认知启发 

语义学 + 符号学 → 逻辑推理 → 认知科学
→ 注意力机制 → 算法优化 → 进化算法

使用提示

  • 点击各模块的主索引链接（如 人工智能学习知识）可直接进入详细导航页
  • 使用 Cmd/Ctrl + O 快速搜索笔记标题
  • 理论学习体系与工具实操体系通过双向链接相互参照

最后更新：2026-04-18

关系图谱