理解 AI
機器如何理解語言？這怎麼可能？這些頁面探索大型語言模型的奧妙、運作原理和未解之謎。
基礎
驚奇
電腦如何能像人類一樣說話？
從這裡開始。探索機器理解和生成語言這件令人驚嘆的事。
核心洞見
Next Token Prediction
驅動所有現代 AI 的看似簡單卻意義深遠的想法：預測下一個是什麼。
不同的心智
人類 vs LLM 的理解方式
什麼看起來相似，什麼根本不同，以及我們仍然不知道的。
誕生
LLM 如何誕生
從原始數據到部署模型：Pre-training、Fine-tuning、RLHF，以及驚人的規模。
謎團
我們並不完全理解
連創造者都感到驚訝。湧現能力和我們知識的誠實極限。
超越文字
AI 如何學會看、聽與創造
Token 究竟是什麼——以及同一個架構如何學會看、聽與創造。
上手實作
終端機
The Terminal
大家說「終端機」，其實指的是三個程式。一份關於模擬器、shell 與多工器的入門讀物，以及為什麼 coding agent 讓這一層重新變得重要。
模型之外
Around the Model
模型本身從來不變。往下捲動，看看一圈圈加在它周圍的東西：指令、上下文、工具、迴圈、MCP、技能、記憶，還有你。同一個問題，每加一圈就得到更好的答案。
駕馭工程
Harness Engineering
模型不是不夠聰明，而是沒有被好好引導。一份關於駕馭 LLM 的技藝入門讀物。
上下文工程
Context Engineering
駕馭工程所在的更寬廣技藝。團隊與系統如何在專案層級與 token window 內部，精心整理送給 LLM 的資訊。
更深的問題
對齊
讓 AI 做我們真正想要的事
我們要求什麼、訓練獎勵什麼，以及模型學到自己是什麼——為什麼對齊比指令更深。
能動性
我們為了什麼而活
把能動性理解為想要，而不是生產力：為了跑而活的牧羊犬、每一種尺度的在乎、被世界吸引、活在故事裡面，以及當工作都有人代勞之後，我們還剩下什麼可以想要。
四種認知
超越事實與資訊
John Vervaeke 的框架：人類擁有四種認知方式，而 AI 只擅長其中一種。
可供性
世界如何邀請行動
Gibson 的生態心理學理論：環境提供了什麼——以及為什麼這對 AI、設計和具身認知至關重要。
人的獨特性
什麼是不可取代的
人與 AI 之間四道不可化約的鴻溝——具身、視角、參與、終有一死。
提示： 向 提問，例如 「LLM 如何運作？」 ，它會引導你到正確的頁面。
