AI开发者进阶

《三天搞懂一件事》不是一本 AI 工具说明书，而是一套可复用的 AI 研究方法论。

全书按"三天"结构展开：

- **Day 1 框定**：先换脑子、把问题拆对、找对来源

- **Day 2 验证**：交叉验证、分清事实/观点/推测、看穿相关非因果

- **Day 3 判断**：对自己下注的大事、读懂外界说法、做判断并行动

每章提供具体动作、工具组合和实战清单，帮助你在信息过载的时代，

用 AI 做苦力，自己做法官。

《智能进化论》不堆技术名词，也不炒概念。它给你两把尺子：一把横向的「五阶智能成长弧」（知→懂→用→长→合），一把纵向的「AI Intelligence Scale 十级刻度尺」（从表示、预测、泛化、因果，一路到规划、行动、元认知、持续学习、发现、自我改进）。

拿着这两把尺，你就能把 Deep Blue、AlphaGo、GPT、AlphaFold、Sora、AI Scientist 这些看似各走各路的新闻，钉到同一面「智能进化地图」上——不再问「哪个模型最强」，而问「机器智能究竟长到了哪一格、离通用还差哪几格」。

本书坚持一个立场：从「智能」而非「技术」的视角重读 AI。每一章都配一张能力数据表、一个数学直觉框、一处费曼式自测，让你合上书能用自己的一句话向外行讲清楚。

无论你是想看懂行业新闻的普通读者，还是想建立全局框架的技术人，这本书都试图把「AI 到底行不行、行在哪、卡在哪」讲成一幅你能带走的地图。

"世界模型"是下一代人工智能的核心方向——从 Sora 的视频生成，到 Dreamer 的想象训练，再到自动驾驶的仿真规划，本质上都是让 AI 学会"在脑海中推演世界"。

本书是国内首本系统阐述世界模型的技术专著，覆盖：

• 三大谱系：模型基强化学习（Dyna→Dreamer）、生成式世界模型（Sora→Cosmos）、非生成式路线（JEPA→能量基模型）
• 技术基石：VAE / VQ-VAE / 扩散模型 / 流匹配 / DiT / Transformer
• 核心算法：RSSM、Dreamer 系列、MBPO、JEPA、CFG 引导、World Foundation Model
• 前沿应用：具身智能、自动驾驶、科学计算（天气预测、分子模拟）
• AGI 展望：从预测到理解、LLM 与世界模型融合、安全与治理

全书配有 50 张高清架构图，适合 AI 研究者、算法工程师、产品经理及对 AI 前沿感兴趣的读者。

「AI时代个人操作系统」系列 · Level 4（创造AI系统）

从理解AI，到驾驭AI，再到创造AI时代的新价值。

你可能经历过这些：

□ 和 AI 聊得很顺，但一到真正的工作任务，还是得自己动手

□ 装了一堆"智能助理"应用，没有一个真正懂你的工作流

□ 天天听人说 Agent，却始终不知道自己能做出什么

问题不在动手能力，而在于你还没拿到"智能体如何工作"的完整地图。

这本书就是那张地图。它从智能体最本质的"思考"与"记忆"机制讲起，带你一步步亲手打造一个 24 小时为你工作的智能助理——从理解原理，到调用工具，到多智能体协同，再到部署上线和持续进化。

全书四大部分、八个章节，层层递进：

第一部分 智慧之核——AI 助手的"思考"引擎（决策与推理）与"记忆宫殿"（信息管理与知识沉淀）

第二部分 能力延伸——工具调用的原理与流程、跨领域效率场景实战

第三部分 复杂应用——多智能体协同系统、主流开源框架（LangChain、LlamaIndex、MetaGPT 等）深度解析

第四部分 持续进化——部署与性能优化、故障排查与持续学习，让助理随你一起成长

读完你将得到：

✓ 一条从零打造个人智能助理的完整可操作路径

✓ 对主流 Agent 框架设计原理的理解——站在巨人的肩膀上构建自己的系统

✓ 部署、调优和持续改进的方法——助理不是做完就完，而是越用越强

适合谁读：

· 想拥有自己 AI 助手的开发者

· 想用 Agent 构建产品的 AI 创业者

· 想搞懂智能体原理的技术爱好者

AI 不会自动创造价值，除非有人能驾驭它。而驾驭的最高形态，是亲手创造。

——————

本书是「AI时代个人操作系统」全五册之一。

想一次构建完整的 AI 时代能力体系？套装购买省近一半：leanpub.com/b/ai_awake

本系列持续更新，购买一次，未来版本升级与新增章节全部免费。

全书用一条贯穿主线组织：把 AI 能力转化为可测量（measure）、可控制（control）、可改进（improve）的生产系统。书中提出两条互补的框架——

- 「三问」是原则层：Can we measure it? Can we control it? Can we improve it?

- 「七道门」是执行框架：Value → Problem → Evaluation → Engineering → Safety → Production → Learning。

这两条线通过一个教学构造的贯穿案例「青野生态监测 AI Agent」串起来。青野从 Day 0 的问题定义，一路走到 Day 365 的 AI Engineering Flywheel，每一关都留下可复用的工程资产：价值标尺、任务树、数据契约、行为评测集、Agent Runtime、失败分类、威胁模型、CI/CD 门禁、发布检查单、成本账本、SLO 与 RACI。

书中不堆砌概念，而是把抽象原则变成可复盘的工程事件：一次提示注入触发的横向越权、灰崩溃（HTTP 200 但业务静默恶化）、评测集随失败生长、生产环境的质量闸门。所有教学数字均标注来源层级——【演示假设】/【作者经验】/【公开研究】——并明确区分教学构造案例与真实公司档案。

读完后你带走的不是 300 页知识，而是一套可以照着执行的生产手册：拿到一个 AI 项目，就能按七道门推进，并在每道门落下具体的工程资产。

配套可独立使用的「90 天行动地图」按个人开发者、技术负责人、产品/业务方三种角色给出下一步动作，让书自然延伸为一份 AI Engineering Playbook。