你不知道的具身智能：从小机器狗到 Optimus
本文记录了作者组装一台小机器狗的实践过程，并以此引出对具身智能技术栈的深度剖析。文章涵盖了从硬件选型（STM32, ESP32）到空间感知（SLAM, 3D表示），再到动作控制模型（VLA, RT系列）的演进，最后重点分析了 Tesla Optimus 在工程制造、时空分层与能耗上的技术难点。
全部文档
9 篇
AI 可见性优化：原理、实践与权衡
文章探讨了 AI 搜索时代的 GEO（生成式引擎优化）策略。作者指出，83% 的 AI 引用来自非排名前列的页面，AI 更看重清晰的结构和可靠的来源。文章详细介绍了通过配置 robots.txt 区分爬虫类型、编写 llms.txt 和 llms-full.txt、提供 Markdown 路由以及注册搜索引擎索引等具体实践方法，帮助个人项目在 ChatGPT 等平台上获得更好的曝光。
AI 可见性（GEO）的原理与实践指南
文章探讨了 AI 时代下的内容可见性（GEO），区别于传统 SEO。作者通过实践指出，AI 搜索更看重结构清晰、来源可靠而非排名。核心策略包括：利用 robots.txt 区分并管理不同类型的 AI 爬虫；部署 llms.txt 为 AI 提供结构化站点概览；确保搜索引擎收录以作为 AI 索引基础；构建专门的知识页面并提供 JSON 数据接口。文章还通过数据分析，否定了 FAQ、JSON-LD 等手段的有效性，强调具体性、内容长度及相关性是提升 AI 引用率的关键。
你不懂 AI 编码：非工程师的 Claude Code 指南
本文旨在打破 AI 编码仅限程序员的误区，指导非工程师（产品、运营等）如何上手 Claude Code。文章指出，虽然命令行是初学者的第一道门槛，但配合 Kaku 等工具并不难掌握。作者强调了具备基础技术素养的重要性，并详细介绍了 Claude Code 的订阅体系及适用场景（如数据处理、文档提取、内部工具原型）。此外，文章通过“为一人开发软件”的概念，鼓励非技术人员从解决自身日常痛点出发，利用 Claude Code 实现工作自动化。
你不知道的 AI Coding：非技术人的上手、场景与实战
文章旨在指导非技术人员上手 Claude Code 这一 AI 编码工具。作者指出，Claude Code 的门槛并不高，通过补点基础技术知识、配置 CLI 终端（如 Kaku）以及掌握精确描述需求的技巧，非技术同学也能利用其完成数据处理、文档汇总、制作内部小工具等任务。文章重点介绍了 CLAUDE.md 的编写规范、如何将模糊需求转化为精确指令、以及 Plan 模式的使用方法，帮助读者建立“为自己一人写软件”的实战思维。
你不知道的大模型训练：原理、路径与新实践
本文深入探讨了大模型训练的全链路流程，指出2026年模型效果的差距主要源于后训练阶段。文章从预训练底座、数据配方、系统架构约束、后训练（SFT/RLHF/DPO）以及 Eval/Reward 机制五个维度，解析了如何通过工程化手段提升模型实际落地效果，并引用了 DeepSeek、Llama 等实例。
你不知道的 Claude Code：架构、治理与工程实践
本文基于作者深度使用 Claude Code 的实战经验，深入剖析了 Claude Code 的六层架构模型。文章详细阐述了上下文治理的成本构成与最佳实践，解释了 Skills、Hooks、Tools 和 Subagents 的区别与设计原则，并分享了如何利用 Prompt Caching 和 Plan Mode 优化系统性能与稳定性。
你不知道的 Claude Code：架构、治理与工程实践
文章基于作者半年的深度使用经验，详细剖析了 Claude Code 的六层架构体系。内容涵盖底层运作原理、上下文工程与治理成本、Skills 与 Hooks 的设计模式、Subagents 的隔离策略以及 Prompt Caching 的核心影响。文章指出 Claude Code 的核心是代理循环过程，并提供了针对工具设计、反模式规避及成本优化的实战指南。
2025 大语言模型年度回顾
本文是对 2025 年大语言模型（LLM）领域发展的深度回顾。主要趋势包括：推理模型的普及（OpenAI o 系列）、Agent 和编码 Agent 的爆发式落地（特别是 Claude Code）、中国开源模型在排行榜上占据主导地位、长任务处理能力的翻倍增长、Google Gemini 的全面崛起以及 OpenAI 领先优势的缩小。此外，文章还涵盖了图像编辑、学术竞赛表现、模型安全与“告密”现象等热点话题，指出 2025 年是 AI 实用化和工具化的一年。