人工智能
从词源与东西方视角理解智能，再梳理 AI 的能力分级、三种实现角度与三大流派。
AI 的前世今生
沿 1936 至 2026+ 时间线回顾 AI 的兴衰周期，以及主要公司、模型和研究者的关系。
机器学习
讲清机器学习的概念、数据算法模型三要素与学习范式，再进入训练、梯度下降、模型评估和基本工作流程。
深度学习
从人工神经元和激活函数入手，介绍常见神经网络架构、训练过程，以及 CNN、RNN、Transformer 等模型的阅读方法。
大语言模型
从 Token、稠密模型和 MoE 入手，梳理大语言模型的训练、推理、核心理念与评估体系。
脉冲神经网络
从能耗与实时性问题切入，理解 SNN 的脉冲编码、神经元原理、应用场景及技术挑战。
AI Agent：原理与开发实战
合并讲解 Agent 的原理与开发，覆盖核心架构、类型、应用、框架、开发模式、MCP、Skill 和本地文件整理实战。
Vibe Coding
从概念起源讲到工具选择、标准工作流、Prompt 写法和完整案例，同时说明常见误区、适用场景与 AI 的能力边界。
AI 越狱：从理论到实战
梳理提示词、Agent、MCP、多模态与供应链攻击面，并介绍越狱判定、案例和红队工具，内容用于安全防御研究。
AI 工程的五次跃迁
串起提示词、提示词工程、上下文工程、Harness 与循环工程，解释任务变长后，工程关注点如何逐层上移。
核心系统的 AI Coding 实践
面向研发团队梳理需求到运维的 AI 协作流程，并讨论测试数据、质量门禁、工程底座、架构演进、平台解耦与代码自审。
AI机械臂
持续记录常用模型、Coding Agent、命令行工具和 IDE，也整理 MCP、A2A、Skill、办公连接、团队流程与安全边界。
AI时代之个贷不良资产
从不良资产分类和参与方讲到 AMC 的定位、组织、政策与盈利模式，并分析 AI 对账户运营和行业协作的影响。
密码学：把信任写进数学
从密码学的四项任务出发，讲解对称与非对称加密、哈希、签名、证书、HTTPS、密码存储和后量子迁移。
连接钉钉
介绍通过 AI机械臂或 WorkBuddy 接入钉钉 MCP 的两种方式，并给出按需授权、人工确认和上线验收要求。
1956 达特茅斯会议
回到人工智能命名时期，介绍研讨会提案、发起人与主要参与者，并梳理提案提出的七个研究议题。