这是一部中英双语开放教材，从看得见的问答现象出发，一步步解释语言模型内部怎样计算。阅读第一部分不需要编程背景。后续实践章节会补充构建模型和应用所需的 Python、数学与工程知识。
全书 57 章及两份基础补充已开放阅读
Section titled “全书 57 章及两份基础补充已开放阅读”全书 57 章及 Python、HTTP 两份基础补充均已开放中英文阅读。第 40—57 章和 HTTP 基础补充于 2026 年 9 月 15 日发布；第 5—39 章和 Python 基础补充保留 9 月 13 日的日期，第 1—4 章保留 9 月 10 日的首版日期。例子、图示、计算过程和习题解答都直接呈现在页面上。
- 第 1 章：根据任务和依据判断回答，分清模型与整个助手系统。
- 第 2 章：跟着一次回答，看生成时发生了什么，训练又怎样改变模型。
- 第 3 章：把文字变成片段、编号和向量，检查这些表示保留了什么。
- 第 4 章：从计数搭建一个小语言模型，亲手计算它的预测，再检验它的局限。
读完第一部分，可以按顺序继续：
-
第二部分，第 5—10 章：补齐数学和编程基础，比较稀疏方法与神经模型。读完第 5 章核心内容后，可先阅读 Python 基础补充。
-
第三部分，第 11—14 章：跟踪序列中的信息，理解循环模型和注意力。
-
第四部分，第 15—21 章：逐步拼出 Transformer，构建、训练并检查一个 Mini GPT。
-
第五部分，第 22—33 章：把模型的设计与运行同实际评测、选型联系起来。
-
第六部分，第 34—39 章：分清训练目标、运行时计算和参数适配，根据失败证据选择修改位置。
-
第七部分，第 40—46 章：把上下文、结构化回答、工具和检索接成有引用的知识助手。开始第 42 章实践前，先读 HTTP 基础补充。
-
第八部分，第 47—53 章：跟踪工作流状态、权限与恢复，再评测和治理完整系统。
-
第九部分，第 54—57 章：把知识助手做成本地服务，检查版本与故障，再用完整证据验收毕业项目。
全书路线图已连通全部主线章节。独立选修的多模态扩展仍在规划中，尚未发布。配套服务只供本地演示，发布教材不会同时将这些服务部署到公网。
告诉我们哪里还没讲清楚
Section titled “告诉我们哪里还没讲清楚”读到哪里跟不上了？哪个例子有帮助，哪一步还缺解释？欢迎通过读者反馈告诉我们，附上页面和具体段落即可。即使不知道该怎样改，也可以描述自己的困惑。