PERSONAL NOTES · FIRST EDITION / 2026
在问题里理解模型，
在实践里留下方法。
这里是一份持续整理的个人 AI 学习笔记。
从模型到应用，从一个疑问到一次验证，
记录学到的知识，也保留尚未想明白的问题。
首辑 6 则笔记 / 最近整理于 2026.11.04
THE LEARNING LOOPFIG. 01
不是收集更多答案，而是看清答案如何得来。
01
先把问题说清楚
从具体任务出发，不急于堆叠工具与概念。
02
给理解留下依据
区分观察、推断与资料中已经确认的事实。
03
让记录可以被修正
保留条件与限制，随着学习继续补充。
FIELD NOTES
最近的学习记录
围绕一个问题，写下一点更具体的理解。
先跑通一个最小闭环，再扩展模型能力
把“搭一个 AI 应用”收窄成一个可以观察、可以失败、也可以验证的小任务。
2026.11.04 · 约 5 分钟
检索答错了，先检查哪一层？
从“资料里有没有答案”开始，而不是一遇到错误就更换模型。
2026.11.04 · 约 6 分钟
同一个问题，如何公平比较两个模型？
固定任务、资料和评价方式，让比较结果可复查，而不是凭一次聊天的印象。
2026.11.04 · 约 5 分钟
显示用了 15G，为什么不一定缺内存？
一次近期运行观察：把已用内存、可用内存、压缩和交换空间分开看。
2026.11.04 · 约 5 分钟
让模型回答“我不知道”，也是一种能力
把事实、推断和缺失信息分开，让流畅的回答不再掩盖证据不足。
2026.11.04 · 约 4 分钟
把一次 AI 实验，留成可以重做的记录
不只保存一张成功截图，也保留输入、版本、结果与解释的边界。
2026.11.04 · 约 4 分钟
WHY THIS NOTEBOOK
不只留下一个结果，
也留下理解它的过程。
读到一个概念，不等于已经会用；跑通一次，也不等于理解了全部条件。我希望把学习中拆解问题、尝试验证和修正认识的过程，整理成可以回看的文字。
本站用于个人知识整理与经验分享，不提供模型售卖、付费接口或商业接入服务。
了解本站的内容与边界 ↗