AI 知识库

系统整理的 AI 知识库 · 13 大分类按「入门 → 进阶 → 高级」顺序阅读 · 共 0 个词条 · 持续更新

从左侧选择一个词条开始阅读，或直接搜索。

AI 知识库

基础概念

什么是人工智能与生成式 AI？人工智能、机器学习、深度学习与生成式 AI 的关系经常被混为一谈。本词条用一条主线讲清这些概念，帮你建立第一块认知地基。
什么是大语言模型（LLM）？大语言模型（Large Language Model）是以海量文本为训练数据、基于 Transformer 架构的神经网络模型。本词条讲清它的工作原理、能力边界和主流代表。
Token、上下文窗口与参数量的区别 Token（词元）、上下文窗口、参数量是理解大模型最常被混淆的三个概念。本词条讲清它们的含义、关系与对选型的影响。
什么是多模态模型（Multimodal）？多模态模型能同时处理文本、图像、音频、视频等多种输入。本词条解释多模态与大模型的关系、典型能力以及实际应用场景。
生成式 AI 的常见任务与典型场景生成式 AI 能做什么？文本、代码、图像、视频、音频、智能体六大任务，各自适合什么场景、有什么边界，本词条一次讲清。
什么是 RAG（检索增强生成）？ RAG（Retrieval-Augmented Generation，检索增强生成）通过「先检索、再生成」把外部知识接入大模型，是解决知识过时与幻觉问题的主流方案。
什么是微调（Fine-tuning）？什么场景需要它？微调是在预训练大模型基础上用特定数据继续训练，让模型适配特定风格、格式或领域。本词条说明微调与提示词、RAG 的分工与选择逻辑。
66 个 AI 高频词（人话版）· 上篇：模型、对话与检索把 AI 世界里最高频的 27 个词用人话讲清楚：先认识 AI 与大模型，再聊对话中的提示词与幻觉，最后看 RAG 与检索。每个词都讲它是什么、在哪遇到、怎么记。
66 个 AI 高频词（人话版）· 下篇：Agent、工程与硬件继续用人话讲清剩下的高频词：Agent 与 MCP 全家桶、API/CLI/Git 等工程词，以及本地部署相关的 GPU、显存、开源与开放权重，最后附「只记 10 个词」清单。

大模型

大模型家族全景：闭源、开源与国产 OpenAI、Anthropic、Google 与 Llama、Qwen、DeepSeek 到底是什么关系？闭源与开源怎么选？本词条给你一张大模型家族地图。
GPT 系列模型演进与定位从 GPT-4 到 o 系列推理模型，OpenAI 的模型家族如何分工：通用对话、多模态、推理、代码、Agent 各用什么。
Claude 系列模型与长上下文 Anthropic 的 Claude 系列以长上下文、写作质量和代码能力著称。本词条介绍其定位、长上下文使用要点与安全特性。
开源模型：Llama、Qwen、DeepSeek 开源大模型让团队可以本地部署、私有化使用。本词条梳理 Llama、Qwen（通义千问）、DeepSeek 三大开源家族的定位与选择。
推理模型（o1/o3 类）与思维链推理模型（Reasoning Model）通过内置的「思考」过程解决复杂问题。本词条解释它与普通模型的区别、适用场景与成本权衡。
多模态大模型：从图片输入到原生多模态从「只能读文字」到「图片、视频、音频都能读」，多模态是大模型能力演进的主线之一。本词条讲清实现路线、能力边界与选型要点。
模型 API 价格与选型建议大模型 API 按 Token 计费，价格差异可达数十倍。本词条讲清计费口径（输入/输出/缓存）与不同预算下的选型策略。

提示词工程

为什么提示词决定输出质量同样的模型，提示词不同，输出天差地别。本词条讲清提示词的本质：它是在「有限的输出空间」里引导模型走哪条概率路径。
提示词的基本结构：角色 / 任务 / 上下文 / 输出格式一个高质量提示词通常包含角色、任务、上下文、输出格式四要素。掌握这套结构，可以让大模型的输出稳定、可用。
常用提示词技巧：Few-shot 与思维链（Chain-of-Thought） Few-shot（少样本示例）和思维链（CoT）是提升大模型输出质量的两种经典技巧，分别从「给例子」和「给推理过程」两个方向入手。
系统提示词与角色扮演系统提示词（System Prompt）是模型对话中最「高层」的指令，用于设定身份、原则和行为边界。本词条讲清它与普通提示词的区别及写法。
结构化输出：JSON 与函数调用让大模型输出 JSON 或触发函数调用，是把 AI 接入业务系统的基础能力。本词条说明两种方式的使用场景与注意事项。
提示词迭代与调试：从坏输出到好输出一次写对提示词是运气，会调试才是能力。本词条给出系统化调试流程：定位问题 → 拆解变量 → 逐项修正 → 回归验证。
提示词注入与安全防护提示词注入（Prompt Injection）是攻击者把恶意指令混入用户输入或外部内容，试图劫持模型行为。本词条介绍常见攻击与防御手段。

AI 图像

AI 图像生成入门：能做什么、怎么开始文生图、图生图、重绘、放大……AI 图像工具到底能做什么？本词条从使用者的视角讲清能力边界与上手路径。
扩散模型（Diffusion）基本原理 Stable Diffusion、Midjourney 等文生图工具背后的核心是扩散模型。本词条用通俗语言讲清「加噪-去噪」原理与常用名词。
文生图提示词：主体 / 风格 / 光照 / 镜头一句好的文生图提示词 = 主体 + 风格 + 光照 + 镜头 + 画质词。本词条给出可直接套用的结构与示例。
图生图、ControlNet 与局部重绘（Inpainting）图生图、ControlNet、局部重绘是控制 AI 图像生成结果的三板斧。本词条讲清各自用途与搭配方法。
LoRA 与模型微调训练 LoRA 是一种参数高效的模型微调方法，普通显卡也能训练专属风格或角色。本词条说明 LoRA 原理、训练数据与使用方式。
常用文生图工具对比与选型 Midjourney、Stable Diffusion、即梦、可灵、Flux 等文生图工具怎么选？本词条按易用性、可控性、成本三维度给出对比。
ComfyUI 工作流入门从节点拖拽到批量出图，ComfyUI 是把文生图变成可复现流程的核心工具。本词条讲清节点概念、基本工作流与踩坑点。

AI 视频与音频

AI 视频生成入门：文生视频与图生视频文生视频、图生视频、首尾帧、延长……AI 视频的门道在输入方式。本词条讲清四种输入方式与各自的适用场景。
视频生成模型现状：Sora、可灵、Runway、Vidu AI 视频生成从「能出片」到「可商用」只用了两年。本词条梳理主流视频生成模型的能力与选择。
AI 视频后期：字幕、翻译、剪辑与超分生成只是第一步，后期才是效率洼地。AI 字幕、翻译、配音、剪辑、超分，本词条梳理后期链路里的 AI 工具与流程。
数字人与口播视频数字人技术让「一个人」也能批量产出口播视频。本词条介绍数字人方案类型、制作流程与合规注意。
TTS 语音合成与声音克隆从机械音到自然音，TTS 已进入「以假乱真」阶段。本词条介绍语音合成原理、主流服务与声音克隆的注意事项。
AI 音乐生成 Suno、Udio 等 AI 音乐工具可以从一句描述生成完整歌曲。本词条说明 AI 音乐能力边界、制作流程与版权提示。
AI 影音创作完整流程：从脚本到成片脚本、分镜、配音、生成、后期，AI 影音创作的全链路怎么串？本词条给出一套可执行的端到端流程与质量检查点。

AI 编程与开发

AI 编程入门：从对话补全到结对编程 AI 编程不只是自动补全。从对话问答、代码补全到多文件改造，本词条讲清 AI 编程能力的四个层级与入门路径。
AI 编程助手对比：Copilot、Cursor、Claude Code GitHub Copilot、Cursor、Claude Code 是目前最主流的 AI 编程工具。本词条按场景对比它们的能力差异与选择建议。
用 AI 写代码的最佳实践让 AI 从「能写」到「写好」需要正确的工作流：拆任务、给上下文、逐步验证。本词条给出可复制的实操流程。
AI 代码审查与测试生成 AI 能帮你审查代码、生成单测、补齐边界用例。本词条介绍利用 AI 提升代码质量的三种姿势。
MCP（模型上下文协议）是什么？ MCP（Model Context Protocol）是让 AI 应用连接外部工具与数据源的标准协议。本词条解释 MCP 的价值、组成与入门方式。
从零搭建一个 AI 应用：API 接入到上线拿到 API Key 之后怎么做一个能上线的 AI 应用？本词条讲清架构、流式输出、成本控制、安全与上线检查。
GitHub 入门：从注册到开源你的第一个项目 GitHub 是全球最大的开源项目托管平台，也是 AI 时代工具、插件与学习资料最密集的地方。本词条按注册登录 → 界面汉化 → 找项目 → 看懂项目 → 跑通项目 → 开源自己的项目这条主线，把小白上手 GitHub 的完整路径讲清楚，全程可以借助 AI 完成。

Agent 与自动化

Agent 入门：为什么智能体是下一个范式从「你问它答」到「它替你干活」，Agent 把 AI 从工具变成执行者。本词条讲清 Agent 的价值、组成与适用边界。
什么是 AI Agent？与 Chatbot 的区别 AI Agent（智能体）能自主规划并调用工具完成任务，而 Chatbot 只负责对话。本词条讲清两者的本质区别与适用边界。
Agent 工作流：规划—工具调用—反思主流 Agent 都遵循「规划—工具调用—反思」的循环。本词条拆解这个循环的每个环节，并给出稳定运行的实践要点。
常见 Agent 框架：LangChain、AutoGen、Dify LangChain、AutoGen、Dify 是三种不同定位的 Agent 开发框架。本词条按开发方式与适用人群做对比。
Agent 记忆、工具与多步任务设计多步任务的正确率是 Agent 落地的命门。本词条讲清记忆分层、工具设计、规划策略与失败恢复。
提示词 vs 微调 vs RAG vs Agent：怎么选面对一个问题，先选技术路线：提示词、RAG、微调还是 Agent？本词条给出决策思路与成本视角。

数据与训练

数据在 AI 中的角色：预训练、微调与评测数据是 AI 的燃料。预训练、微调、评测三个阶段各自需要什么数据？本词条讲清数据在模型生命周期里的位置。
训练数据与数据清洗模型质量的起点是数据质量。本词条讲清训练数据构成、清洗流程与常见坑。
评估大模型：基准测试与人工评测怎么判断一个模型好不好？本词条介绍公开基准（MMLU、HumanEval 等）与人工评测两种方式的用法与局限。
对齐（Alignment）与 RLHF 对齐是让大模型「能力越强越安全」的关键技术。本词条解释对齐目标、RLHF/DPO 流程与评测方式。
模型幻觉与缓解方法幻觉（Hallucination）是大模型一本正经地胡说八道。本词条分析幻觉成因，并给出从提示词到系统层的缓解清单。
数据飞轮：从反馈到模型持续改进模型上线不是终点，数据飞轮才是持续变好的引擎。本词条讲清反馈采集、数据回流、版本评估的闭环设计。

部署与自建

本地部署大模型：从选型到跑通本地部署第一步不是装软件，而是选模型与算配置。本词条给出从需求到跑通的完整决策路径。
本地部署大模型需要什么配置？本地跑大模型是「显存游戏」。本词条给出从 7B 到 70B 不同参数量的硬件配置参考与量化概念。
Ollama 使用指南 Ollama 是本地跑大模型最简单的方式。本词条覆盖安装、拉模型、API 调用、OpenAI 兼容与常见问题。
vLLM 与推理加速 vLLM 是服务端大模型推理的事实标准框架，通过 PagedAttention 与 Continuous Batching 大幅提升吞吐。本词条介绍核心概念与使用。
向量数据库入门向量数据库存储文本/图片的嵌入向量并支持相似度检索，是 RAG 应用的底座。本词条讲清原理与主流产品。
RAG 系统落地：检索、排序与评测从 Demo 到生产，RAG 的差距在检索质量与评测方法。本词条讲清切分、召回、重排与评测的完整落地细节。

行业应用

AI 落地的通用框架：需求、数据、成本与合规别人用 AI 有效，为什么你落地没效果？本词条给出一套评估框架：从需求真伪、数据基础、成本结构与合规风险四方面判断一个 AI 项目值不值得做。
AI 在办公与效率中的应用 AI 办公已从「聊天工具」进化到「数字员工」。本词条盘点会议、文档、表格、邮件等场景的落地方式与工具。
AI 在营销内容中的应用文案、图片、短视频、投放……AI 正在重塑营销内容生产链路。本词条给出可落地的内容生产流水线。
AI 在教育与学习中的应用 AI 学习助手正在改变「教」与「学」的方式。本词条介绍个性化学习、答疑、备课与防依赖的平衡。
AI 法律合规与版权风险生成式 AI 涉及数据、版权、隐私与内容安全四类风险。本词条按风险类型给出企业落地时的合规清单。
AI 项目落地 checklist：从试点到规模化试点成功只是开始，规模化才是考验。本词条给出一份从试点、评估到规模化的完整 checklist。
AI 副业方向合集怎么用：一份选题清单，一份风险清单公开的开源方向合集有 400 多章，当教程读价值不大，当清单用却很好使。本词条讲清它是什么、能拿去干什么，以及哪些方向必须直接划掉。

模型操作手册

OpenAI Codex 系列

《OpenAI Codex 从入门到精通》橙皮书导读花叔著《OpenAI Codex 从入门到精通》v2.0.1 的导读与配套资源。覆盖 Codex 六种形态（CLI、桌面 App、Cloud、IDE 扩展、Chrome 扩展、手机伴侣端），从安装到独立构建产品。
《Codex 蓝皮书：从入门到架构大师》导读 aipmer 著《Codex 蓝皮书》，AI 原生时代的产品研发与多端编排实战指南。不讲花哨学术理论，只聊怎么用 Codex 以最快速度做出能跑通商业闭环的产品。
Ch.01 告别手写代码：Vibe Coding 时代的产品心智本章重构开发心智：从背快捷键的「代码打字员」，转向定义目标、红线与验证的「AI 编排架构师」。核心公式：成功发布 = 清晰的目标 + 严苛的约束 + 自动化的测试。
Ch.02 跨端掌控：Codex 多端生产力矩阵搭建手把手配置 Codex 多端生产力矩阵：CLI（Rust 核心）安装避坑、ChatGPT 账号与 API Key 认证、账单熔断防爆、Desktop App 与 Computer Use 权限、ChatGPT 移动端联动桥接。
Ch.03 破局云端孤岛：沙盒调试与本地环境深度穿透讲透 Codex 沙盒隔离：为什么 AI 连不上 localhost，以及 Host Proxy、Workspace Mount、本地端口转发三种破局方案，并明确敏感目录的暴露边界。
Ch.04 目标驱动：用“边界与断言”驾驭推理型智能体面向强推理模型（GPT-5.5）的 Specs 式协作：用目标、约束与断言驱动 Codex，而不是事无巨细地指挥每一步。内含可直接复制的任务 Specs 模板。
Ch.05 制定 CAP 协议：构建项目专属的 AGENTS.md 规则层详解 Codex 官方约定指令文件 AGENTS.md 的加载机制，以及如何编写「智能体协作宪法」（CAP 协议）：项目签名、命令、架构、防循环、沙盒边界与安全红线。
Ch.06 思维纠偏：如何像技术总监一样透视推理过程学会阅读 Codex 的推理摘要（Reasoning Summary），在它顺着错误假设一路狂奔时精准介入：打断、问询、纠偏与复盘，像技术总监一样管住强推理智能体。
Ch.07 视觉闭环：Desktop Computer Use 自动巡检与设计还原利用 Codex Desktop 的 Computer Use 能力做 UI 自动巡检与设计还原：白名单授权、自动走查流程、视觉对比与截图验证，实现「眼睛长在 AI 上」的闭环。
Ch.08 移动看护工作流：全天候离线编排实战搭建移动看护工作流：用 GitHub Actions + Webhook 网关 + 机器人，把 Codex 任务的失败与高危审批推送到微信、飞书或 Telegram，在手机上远程审批与干预。
Ch.09 架构复苏：混乱遗留系统的全景解析与渐进式解耦面对无文档、无单测的「屎山」系统，用 Codex 做全景逆向（ERD、模块依赖、调用链），分层规划并渐进式解耦重构，避免推倒重来的高风险。
Ch.10 商业实战：2小时跑通 Next.js + Stripe 商业级 MVP 指挥 Codex 在 2 小时内跑通 Next.js + Supabase + Stripe 的订阅制 SaaS MVP：Prisma 建模、Stripe Checkout / Webhook / 会员权限闭环，含配套源码与 CAP 协议。
Ch.11 触角延伸：Expo 跨端原生 App 开发与云端打包用 Codex + Expo SDK 57 + EAS 做跨端原生 App：跳过本地 Xcode / Android Studio 的环境地狱，云端打包、证书管理与发布，含配套源码工程。
Ch.12 终局思考：独立开发者如何打造自动化商业飞轮从「写代码」升级到「转商业轮盘」：让 Codex 自动维护 SEO 博客与 Sitemap、自动生成营销内容、监控竞品与用户反馈，构建一人 SaaS 的自动化增长管道。
Ch.13 前沿瞭望：2026 Codex 生态全景升级 2026 年 Codex 生态四次结构性地震的迁移作战地图：桌面端并入 ChatGPT、GPT-5.6 模型换代、CLI 0.14x 决定性变更、插件生态与安全能力独立成军。
《Codex 实战蓝皮书》AGENTS.md 模板集（9 大技术栈）蓝皮书配套的 9 套开箱即用 AGENTS.md 协作规约模板：Next.js、Vue3-Vite、React Native、Django、FastAPI、Go-Gin、Rust-Axum、Svelte、Spring Boot。每套都包含项目签名、开发者命令、架构模式、AI 循环防范、沙盒与环境边界、安全红线六个模块，中英双语。

Claude / Claude Code 系列

《Claude Code 从入门到精通》橙皮书导读面向工程师与产品经理的 Claude Code 完整指南，橙皮书系列第二本。从安装到独立构建产品，覆盖 Plan/Auto 工作流、CLAUDE.md、Skills、Hooks、MCP 与多 Agent 协作。
《Obsidian + Claude Code：用 AI 重建第二大脑》橙皮书导读花叔著，从零搭建 AI 驱动的个人知识管理系统。核心洞察：Markdown 是 AI Agent 的原生接口，LLM 应该是「编译器」而非「检索器」。

Grok Bot 系列

《Grok Bot 橙皮书》导读：把一支 AI 团队装进口袋 2026 年 8 月 11 日 xAI 与 Cursor 联合发布云端多智能体办公平台 Grok Bot；12 天后 Cursor 中国区大使 Kin 发布中文实战手册《Grok Bot 橙皮书》v260823（约 1.6 万字、13 章 + 4 份附表）。本篇是全书导读：产品定位、四部分结构、能直接抄走的清单、订阅档位与下载入口。
Grok Bot 上手实操：免费试用怎么花、第一个任务怎么派《Grok Bot 橙皮书》Part 1 精读（第 00–03 章）：限量免费试用的三件必做与两件别做、三条设计原则、与上一代 agent 的两条分水岭、界面结构，以及「大脑倾倒 → 反向配置 → 派第一个真活」的三步开箱法。
Grok Bot 进阶：总监模式、五人舰队与 Routine 《Grok Bot 橙皮书》Part 2 精读（第 04–08 章）：为什么第一件事是请一个「总监」、群聊里 Bot 会自发互相交接、五人舰队组织模板与可照抄的招募卡、中文场景的三处本土化改造、Routine 教学四问、必装工具箱与 Auto-review 审批策略。
Grok Bot 省钱与无人值守：额度怎么烧的、怎么 24 小时自动上班《Grok Bot 橙皮书》Part 3 精读（第 09–11 章）：额度比想象中烧得快的六个隐形吞金兽、四条省钱心法与一份额度演算（同量活差出一倍）、三种无人值守形态、竞品日报流水线手把手示例与三道质控保险。
Grok Bot 速查：术语对照、数字基准与高频十问《Grok Bot 橙皮书》附录速查页：8 个社区黑话的一句人话对照（Bot、总监、Lane、Routine、Auto-review、大脑倾倒、Agent Mail、Tailscale）、2026 年 8 月数字基准，以及社群问得最多的十个问题快问快答。
Grok Bot 橙皮书序章：这不是又一个聊天机器人为什么这不是又一个聊天机器人：Grok 与 Grok Bot 的本质区别、官方公告里最该逐字读的三句话，以及作者为什么判断这是普通人使用 AI 的第二次跃迁。
Grok Bot 橙皮书 Ch.00 零成本开箱：限量免费试用 8 月 21 日扩权后人人可开的限量免费试用：试用期该干的三件事、不该干的两件事，以及额度用完后按人群分的三条升级路径。
Grok Bot 橙皮书 Ch.01 Grok Bot 到底是什么 Grok Bot 的三个设计原则（记忆 / 协作 / 学习）、官方自述已在跑的白领杂活清单，以及它与上一代 agent 的两条分水岭。
Grok Bot 橙皮书 Ch.02 怎么才能用上：价格、平台与计费怎么才能用上：从三档高价订阅到 8 月 21 日大幅下调的完整档位价格表、平台矩阵、每周额度加超量计费的结构，以及开箱后的界面长什么样。
Grok Bot 橙皮书 Ch.03 开箱第一个任务：让一个 Bot 干一件真活三步开箱法：先做自我介绍（大脑倾倒）、让它反过来给你配置工作台、再派第一个真活；含三个可直接用的任务示例与「派完就走」的心态转变。
Grok Bot 橙皮书 Ch.04 多智能体：给团队请一个总监为什么要先请一个总监（Chief of Staff）：任务自动拆解与派发、群聊里 Bot 自发互相要上下文，以及「按业务域切、不按软件切」的分工经验。
Grok Bot 橙皮书 Ch.05 一支五人舰队的完整案例一支五人舰队的完整组织模板（CTO / 内容雷达 / 社群管家 / 商务前台 / 增长实验员）+ 五张可照抄的招募卡、中文场景的三处本土化改造与扩编节奏。
Grok Bot 橙皮书 Ch.06 Routine：示范一遍，它学一辈子 Routine 机制与教学法：什么活适合做成 routine、使用前要想清楚的三件事、教好一条 routine 的四问检查清单。
Grok Bot 橙皮书 Ch.07 工具箱：必装几件套社区公认的必装几件套：Agent Mail 身份隔离、Vercel / Cursor Origin、Tailscale 内网穿透、Last 30 Days 与 MCP 接入的取舍。
Grok Bot 橙皮书 Ch.08 Auto-review：它什么时候来找你签字 Auto-review 的三种触发时机（涉及支付 / 敏感操作 / 它自己判断不确定），以及「低风险批量授权、碰钱的卡片一张一张看」的审批粒度。
Grok Bot 橙皮书 Ch.09 额度是怎么烧完的额度是怎么烧完的：重复交代背景、让高薪员工干杂活、失败的尝试、无意义的轮询、在一个 Bot 里无限连聊、杀鸡用牛车这六个隐形吞金兽。
Grok Bot 橙皮书 Ch.10 用最低的成本发挥最高的智能四条省钱心法（任务分层 / 能 routine 化的坚决 routine 化 / 结果验收前置 / 盯住每周重置节奏）+ 同一摊活差出一倍的额度演算。
Grok Bot 橙皮书 Ch.11 无人值守：24 小时自动上班三种无人值守形态（哨兵型 / 流水线型 / 夜班型）、竞品动态自动日报的手把手四步示例，以及无人值守的三道质控保险。
Grok Bot 橙皮书 Ch.12 竞争格局：一个新的趋势把 Grok Bot 放进办公 agent 赛道对比：主战场从「编码」转向「办公」，以及它独押的「组织」这张牌。
Grok Bot 橙皮书 Ch.13 我的判断作者的判断：常驻云端、以你的身份行动、以组织形式协作三件事第一次被打包成大众消费品，以及它逼着整个行业回答的三个问题。
《Grok Bot 官方文档》中文导读：18 页全览 xAI 与 Cursor 官方文档（docs.x.ai/grok-bot，共 18 页）的中文导读与阅读地图：官方的三句话定位、两个容易踩的前提（需云数据存储、所有 Bot 共用一台云电脑）、18 页逐页讲什么、资费与平台口径，以及官方给的「好的第一次委托」范文。
《Grok Bot 官方文档》实操：从安装到第一个 Bot 按官方 Get started 与 Mobile 两页整理的完整上手路径：三平台安装（含怎么判断 CPU 架构）、用 Cursor 账号登录、建第一个 Bot 的三件套、派任务的五要素与官方范文、需要登录时接管云电脑、复核与沉淀 skill，以及手机端能做与不能做的边界。
《Grok Bot 官方文档》企业版：身份、私网与安全给要把它引进团队的人：Enterprise 专属的控制项清单、Cursor 账号 SSO 与 SCIM、Bot 没有自己的身份意味着什么、网络策略四档与共享静态出口 IP、用 Team Setup 打通私网、审批与 Auto Review、审计日志与动作录制两条管道、美国数据驻留、提示注入防御与 ISO 认证，最后是最小权限落地清单。

其他 Agent / 工程手册

《Hermes Agent 橙皮书 2.0》导读 Nous Research 开源的 Hermes Agent 框架完整指南（v0.16.0）。内建自改进学习循环、三层记忆、Skill 自动进化，是「缰绳会自己长大」的 Agent 框架。
《缰绳工程学（Harness Engineering）完全指南》导读 AI 编程时代的工程方法论。当 AI 能写代码之后，人的核心能力变成了设计缰绳的能力——如何设计约束、指令、反馈循环、记忆与编排层，让 AI Agent 可靠。
《OpenClaw 橙皮书：从入门到精通》导读最全面的 OpenClaw 参考手册（v1.4.0）。这个开源 AI Agent 框架在不到 5 个月内从 0 涨到 33 万+ GitHub Stars，涵盖架构、部署、渠道接入、Skills、模型配置与安全。

DeepSeek 入门到精通

入门与使用

什么是 DeepSeek？——国产开源大模型的代表 DeepSeek（深度求索）是由幻方量化背景团队创立的人工智能公司，以开源、低成本、强推理著称。其 MoE 架构让 V3 用 6710 亿总参数做到每 token 仅激活 370 亿参数，R1 则以接近 OpenAI o1 的推理能力引发全球关注。
DeepSeek 发展历程与创始团队从幻方量化到 DeepSeek：梁文锋 2010 年代靠量化交易积累资金，2023 年创立 DeepSeek；2024 年 5 月 V2 以极致性价比出圈，2025 年 1 月 R1 引爆全球；团队约 140 人，坚持「只招 1% 的天才」。
DeepSeek 模型家族全景：V3 / R1 / Coder / Math / VL / Janus DeepSeek 不是单一模型，而是一个开源家族：V3 通用基座、R1 推理旗舰、Coder 代码、Math 数学、VL 视觉语言、Janus 多模态生成。本词条帮你看懂每个系列做什么、怎么选。
DeepSeek 使用途径全景：网页版 / App / API / 本地部署 DeepSeek 提供四种使用途径：官方网页版与手机 App 完全免费、官方开放平台提供 API、开源权重支持本地部署、以及大量第三方云平台一键接入。本词条给出全部入口与选择建议。
DeepSeek 小白快速上手：第一天的完整路线从注册登录、认识界面，到有效提问的五个黄金法则、魔法指令、文档分析与写代码模板，本词条把「新手第一天」要做的事按顺序走一遍。
DeepSeek API 接入：从创建 Key 到第一个调用 DeepSeek API 采用 OpenAI 兼容协议，切换到开放平台即可。本词条覆盖官方 API 的 Key 获取、模型名、价格与一次 Python 调用，并对比主流第三方云平台。
DeepSeek 提示词基本法则：角色-任务-约束框架提示词决定 DeepSeek 输出质量。本词条提炼三大黄金法则：具体性为王、结构化思维（角色-任务-约束）、动态修正机制，并给出学术、编程、创意、商业四类场景模板。
高频提示词与模仿风格提示词（含 20 个通用模板）面向普通人的 20 个高频提示词模板：周报速成、会议纪要、催款邮件、小红书爆款、短视频剧本、代码救急、论文速读等，以及「模仿风格写作者」的用法。
去除 AI 味：让 DeepSeek 写得更像人 AI 生成文章的六大特征：结构化明显、逻辑线性、词汇重复、标点机械、案例泛化、过度专业。本词条给出六招反制与可复制的「降 AI 指令」。
DeepSeek 官方提示词库精读：万能模板与十大场景基于 DeepSeek 官方提示词整理：万能提示词生成模板、文案大纲、中英翻译、角色扮演、结构化 JSON 输出、代码生成/改写/解释、内容分类等十大场景，附可直接复制的 SYSTEM 提示词。

本地部署与私有化

Windows 本地部署 DeepSeek：Ollama 全流程用 Ollama 在 Windows 上一键本地运行 DeepSeek-R1：下载安装 Ollama → ollama pull / run deepseek-r1:1.5b → 命令行对话。零配置要求，普通电脑即可。
本地部署硬件选型：R1 各版本配置对照表 DeepSeek-R1 从 1.5B 到 671B 的硬件需求差异巨大：1.5B 8GB 内存即可、32B 需 64GB 内存 + 24GB 显存、671B 需多节点集群。本词条给出完整对照表与选型建议。
用 Dify + Docker 搭建 DeepSeek 私有知识库在本地跑通「DeepSeek 本地模型 + Dify + Docker」的私有知识库：Docker 安装 Dify → 关联 Ollama 的 DeepSeek → 创建知识库 → 新建应用对话问答。含 Docker 网络踩坑（host.docker.internal）。

技术原理

DeepSeek-V3 技术架构：MoE、MLA 与 MTP V3 是 DeepSeek 的通用基座：6710 亿总参数、每 token 仅激活 370 亿的混合专家（MoE）架构，配合多头潜在注意力（MLA）、无辅助损失负载均衡、多 Token 预测（MTP）三项关键创新，把训练成本压到 557 万美元。
DeepSeek-R1：推理模型与强化学习训练（GRPO） R1 是 DeepSeek 的推理旗舰：从 V3 基座出发，经历 R1-Zero 纯强化学习验证，再用「冷启动 → RL → 数据反哺 → 人类偏好」四阶段炼成。核心算法 GRPO 用组内奖励对比替代传统 Critic 模型。
DeepSeek 的优势与不足（vs ChatGPT）客观对比 DeepSeek 与 ChatGPT：DeepSeek 胜在成本、开源、中文与专业任务；ChatGPT 胜在生态、多模态与产品化体验。同时列出 MoE 复杂性、数据需求、硬件门槛等真实不足。

手册与资料

《DeepSeek-Harness 橙皮书》导读：从开机到拆开花叔著《DeepSeek Harness：从开机到拆开》（v260814）导读：一个不写代码的人把刚发布 24 小时的 Agent 框架 Harness 跑穿。含完整系统提示词、129 行启动清单、PTC 实测账单与代码库考古。
DeepSeek Harness 终极指南：安装、插件与生态 DeepSeek Harness（DSH）是 DeepSeek 开源的 Agent Harness 框架，基于 Cordis，采用「一切皆插件」架构。本词条覆盖 npx 启动 Web UI、Python SDK、插件安装，以及官方/社区资源索引。
《清华大学 DeepSeek 从入门到精通》导读与 PDF 下载清华大学出品的《DeepSeek 从入门到精通》（2025-02-04 版）是全网传播最广的 DeepSeek 入门资料：从基本概念、模型对比到提示词策略与各场景用法，适合零基础系统入门。
DeepSeek 资料大全：写作 / 绘画 / 编程资源索引 DeepSeek 资料大全（awesome-deepseek）精选索引：基本认知、使用途径、写作（公众号/小红书/头条）、绘画（Janus Pro / 提示词辅助）、编程（开源全家桶）与热门开源项目。
鱼皮 AI 资源大全：DeepSeek 专题资源汇总鱼皮（程序员鱼皮）维护的 AI 资源大全中与 DeepSeek 相关的专题：官方链接、开源项目、学习资料与官方整理的模型应用工具，以及 DeepSeek 使用指南、提问技巧与技术解析等深度内容。
《DeepSeek Harness 操作手册》全文 PDF 下载与导读 DeepSeek 官方出品的《DeepSeek Harness 操作手册》（v0.1.0-rc.6）全文 PDF：从安装、快速上手、会话与沙箱，到 Skills、Agent Preset、Cordis 深度定制与 FAQ 的 14 章完整指南，适合想系统掌握 Harness 的用户。

前沿动态

Agent 记忆：为什么「会记住」成了新竞赛对话用完即弃，Agent 要记住才能长期干活。本词条讲清工作记忆、长期记忆、情景记忆、程序化记忆的区别，以及 2026 年 GitHub 上 Agent 记忆类项目的共同思路。
上下文工程：比提示词更值得投入的新显学窗口再大也有遗忘。上下文工程研究「该把什么放进上下文」：选择、压缩、记忆、工具。本词条讲清为什么 1M 上下文仍会丢中间内容，以及 2026 年的主流做法。
MCP 与 A2A：AI 互操作的「USB-C」和「TCP/IP」 MCP 让 AI 接工具，A2A 让 Agent 接 Agent。本词条讲清两大协议的分工、A2A v1.0 的进展，以及 2026 年 GitHub 上的真实项目。
Agent Skills：把能力打包成可复用的技能从提示词到技能：Agent Skills 用「小清单 + 按需加载说明」把能力封装成可复用积木。本词条讲清原理，以及 GitHub 上那些突然爆火的 Skill 项目。
端侧模型与本地优先：AI 开始从云端走向本机隐私、成本、延迟，正在把一部分 AI 从云端拉回本机。本词条梳理端侧模型在 2026 年的进展，以及什么场景适合端侧、什么场景先别上。
Agent 权限治理：给智能体装上「最小权限」 Agent 越能干，越要管住它。本词条讲清 Agent 权限治理的隔离、最小权限、人工确认、审计四个层次，以及 2026 年开源项目里的常见做法。