欢迎来到第二展厅。玻璃柜里陈列的是一份并不厚重的提案，却影响了七十多年技术史。 1955 年，John McCarthy、Marvin Minsky、Claude Shannon、Nathaniel Rochester 等人提出在 1956 年夏天组织一次研讨会。提案里第一次系统使用了”Artificial Intelligence（人工智能）”这一名称，并做出一个今天看仍然大胆的判断： ...

欢迎来到第九展厅，也是本系列时间线的阶段终点。 2022 年 11 月，ChatGPT 面向公众开放后，AI 进入了一个新阶段：它不再只是论文、实验室系统或企业内部能力，而是成为普通人可直接使用、可高频互动、可立刻感知价值的通用产品。 如果说前面的里程碑大多是”技术圈事件”，那么 ChatGPT 是一次”社会级产品事件”。它改变了用户习惯、企业战略、开发范式，也让”生成式 AI”从技术术...

欢迎来到第四展厅。上一展厅我们经历了第一次 AI 冬天，这一展厅的主题是”方法复活”。 如果说 1969 年的感知机争议让神经网络路线陷入低谷，那么 1986 年 Rumelhart、Hinton、Williams 的工作则像一把钥匙：它把”多层网络可训练”这道门重新打开。很多后来被我们习以为常的深度学习工程实践，都能追溯到这次关键转折。 一、核心矛盾：大家都知道多层网络更强，但怎么训练...

欢迎来到第七展厅。大屏幕循环播放着 2016 年那场全球关注的比赛：AlphaGo 对战李世石。 这场对局在技术史中的地位非常特殊。它不是 AI 第一次在棋类任务中胜出（Deep Blue 更早），但它是 AI 第一次在全球范围内引发如此广泛的公共讨论。它让”人工智能”从科技新闻，变成了社会情绪、产业决策与大众想象的共同话题。 一、为什么围棋被视为”最后堡垒”之一？ 在当时主流认知中，...

欢迎来到第六展厅。墙上是一条著名曲线：ImageNet 竞赛错误率在 2012 年出现断崖式下降。 很多技术史读者会把 2012 年称为”深度学习元年”，虽然这个说法在学术上并不严谨，但它抓住了关键事实：AlexNet 让深度学习从”有潜力路线”变成”主流路线”，并迅速改变了学术与产业资源分配。 一、为什么偏偏是 2012？历史拐点通常来自”组合成熟” AlexNet 不是凭空出现，也...

Transformer 是现代 LLM 的核心架构。很多同学”知道它很重要”，但一到公式、维度、训练流程就容易卡住。 这篇文章目标很明确： 讲清楚 Transformer 为什么出现。 讲清楚每个模块到底在做什么。 讲清楚从论文到工程实现的关键细节。 你可以把它当作一份”从入门到可实战”的一站式笔记。 1. 为什么需要 Transformer？ 在 Transfor...

这几年，LLM（大语言模型）几乎重塑了 AI 应用形态。 但如果只看近两年的爆发，很容易误以为 LLM 是”突然出现的新物种”。实际上，它是自然语言处理（NLP）几十年技术累积后的一次集中跃迁。 本文按时间线梳理 LLM 的关键发展阶段，帮助你快速建立一张完整的技术地图。 一、在 LLM 之前：NLP 的”特征工程时代” 在 2010 年代中期之前，NLP 的主流范式大致是： ...

在和 AI 产品、AI 编程工具打交道时，我们经常会听到一串术语：Agent、Subagent、MCP、Function Call、Skills、Workflow、Harness。 这些词单看都不难，难的是不知道它们在一个真实系统里分别负责什么。本文会按”从能跑，到跑稳，再到可迭代”的思路，把它们整合在一起讲清楚，并适当发散到上下文、记忆、观测和评测等相关概念。 先看一句话版本 ...

很多团队谈 Vue 性能优化时，第一反应是”列表卡”“首屏慢”“包太大”。这些现象没错，但如果只停留在症状层，你很容易陷入”今天改这个，明天改那个”的碎片优化，投入不少，收益却很有限。 真正有效的性能优化必须是一套工程化治理： 有统一指标，不靠感觉。 有问题分层，先定位瓶颈类型。 有优化优先级，先做高 ROI 项。 有回归基线，避免”优化引入新问题”。 本文从后端工...

很多后端同学写 Vue 时，最开始会把状态当作”页面变量”：当前页面需要什么，就在当前页面定义什么。这个模式在简单页面有效，但在复杂业务中很快会失控，主要表现为： 同一份业务数据在多个页面各存一份，修改后难以同步。 页面切换后状态残留，出现”上个用户操作影响下个用户”的脏数据问题。 组件通信链路越来越长，props 和 emits 层层传递，维护成本急剧上升。 一旦需求变...