计算机基础技能文档站¶
这是一套从计算机原理走向工程实践，再进入人工智能与 Agent 工程的系统化教程。每个专题尽量用同一条叙述主线连接“为什么需要、底层如何工作、怎样使用、如何判断结果、出了问题怎么查”，并通过公式、命令和架构图补充精确定义。
第一次来这里
如果你对知识之间的关系还不清楚，请从计算机基础总论开始。准备学习 AI 时，先阅读人工智能学习总览；希望使用 AI 完成真实编程任务，可继续阅读前沿 AI 工具综合指南、AI 编程 Agent 进阶指南和Agent 综合指南。
基础能力¶
| 章节 | 你将掌握什么 |
|---|---|
| 计算机基础总论 | 数据表示、硬件资源、操作系统、进程、文件、终端与通用排障模型 |
| Linux 与 Shell 指南 | Linux 系统基础、权限与进程、日志排障、Shell 脚本实践 |
| 网络故障诊断指南 | DNS/TCP/HTTP/TLS 基础、抓包方法、分层排障与性能定位 |
| Python 完整指南 | 环境管理、语言基础、依赖治理、代码规范与工程实践 |
工程协作¶
| 章节 | 你将掌握什么 |
|---|---|
| Git 完整指南 | 版本控制模型、分支协作、冲突处理、历史恢复、发布管理 |
| GitHub 使用指南 | 仓库协作、Issue/PR、权限管理、Actions 与 Pages 发布 |
| SSH 完整指南 | 密钥认证、远程连接、跳板机、端口转发、安全加固与排障 |
| Docker 与 Kubernetes 指南 | 镜像与容器、Compose、Kubernetes 编排、发布、安全与集群排障 |
AI 与数据¶
| 章节 | 你将掌握什么 |
|---|---|
| 人工智能学习总览 | AI 技术版图、统一训练框架、数据、评估、部署、安全和学习路线 |
| 机器学习完整指南 | 机器学习核心范式、经典算法、模型评估与调优、工程实践 |
| 深度学习完整指南 | 神经网络原理、训练机制、CNN/RNN/Transformer 与工程技巧 |
| 强化学习完整指南 | MDP、价值函数、策略优化、DQN/PPO/RLHF 等核心方法 |
| 大语言模型完整指南 | 预训练、对齐微调、RAG、推理优化与 Agent 应用路径 |
| 前沿 AI 工具综合指南 | 通用助手、深度研究、编程 Agent、多模态、本地模型、自动化与安全选型 |
| AI 编程 Agent 进阶指南 | Codex、Claude Code、Kimi Code、GLM、DeepSeek、规则记忆、插件、MCP 与 Markdown 高阶编辑 |
| Agent 综合指南 | Agent 控制循环、工具调用、MCP/A2A、记忆、多 Agent、评估、部署与治理 |
推荐阅读顺序¶
- 计算机基础总论 → Linux 与 Shell → 网络，先建立系统与排障基础。
- Git → GitHub → SSH → Docker，形成协作、远程操作和交付能力。
- Python → AI 总览 → 机器学习 → 深度学习 → 大语言模型，建立 AI 主线能力。
- 机器学习 → 深度学习 → 强化学习，进入序列决策和 RLHF。
- 大语言模型 → 前沿 AI 工具 → AI 编程 Agent → Agent 综合指南，进入 AI 应用和 Agent 工程。
使用建议¶
- 原理章节先理解对象之间的关系，再记命令或公式。
- 命令必须在测试目录或非生产环境练习，并观察退出码和预期输出。
- 公式先理解变量和优化目标，不必一开始追求完整推导。
- 遇到错误时保留完整信息，按照“资源 → 进程 → 端口 → 协议 → 应用 → 数据”逐层诊断。