图了个AI
卡通化的AI讲解

图解 CoT 思维链怎么让模型一步步推理，以及 ReAct 模式如何在「想」之外还能「调用工具」。

模型不是按「字」读文字，而是把文字切成一个个「token」小积木。图解 token 是啥、怎么切、为什么决定价格。

图解大模型推理全过程：分词 → 转向量 → 算每个 token 的概率 → 挑一个 → 循环，直到答案蹦完。

图解 Transformer 架构：注意力机制、Q/K/V、Encoder/Decoder、多头注意力，以及它为什么这么强。

从「说人话」到「说专业话」：用角色、步骤、示例、约束四招，把提示词从能用升级到好用。

图解 MCP（Model Context Protocol）：开放标准、动态发现、Host/Client/Server 架构，以及它和 Function Calling 的分层协作关系。

别背现象，看懂底层直觉。注意力 / Tokenizer / KV缓存 / 概率采样 / 语义激活——五个原理，解释大模型一堆「怪脾气」。

AI 地基篇：机器学习三大类型、深度学习神经网络、模型训练的本质，最后串到大模型的「无监督预训练 + 强化学习」。

神经网络内部到底怎么运转：激活函数、前向/反向传播、梯度下降与优化器、CNN/RNN/Transformer 常见网络，全图解。