《从零构建大模型》作者 Sebastian Raschka 推出 8 集共 11 小时的免费视频课，配合新书《从零构建推理模型》，教你用 PyTorch 基于 Qwen3 0.6B 从零实现推理模型。课程内容涵盖 KV cache、数学答案验证器、self-consistency 多数投票、自我修正、简化版 GRPO（RLVR）训练、reward hacking 以及 DeepSeek R1 蒸馏。前几集 CPU 或 Mac Apple 芯片即可运行，只需会 Python 和 PyTorch 即可直接学习。视频与代码仓库均已开源。
本文探讨了编程智能体（Coding Agent）及其运行框架的设计，重点介绍了模型、推理与智能体的区别，并详细拆解了六大核心组件：实时代码仓库上下文、提示词缓存复用、工具调用与安全验证、上下文压缩机制等。文章指出，优秀的 Harness 框架能将基础模型的潜力最大化，是编程智能体体验的决定性因素。
本文分析了 Claude Code 优于普通网页聊天界面的技术原因。作者指出，Claude Code 的优势主要在于其精心设计的软件框架，而非仅仅依赖模型能力。关键技术点包括：构建实时仓库上下文、积极重用提示缓存、使用专用工具（Grep、Glob、LSP）、减少上下文冗余、维护结构化会话记忆以及利用分支和子代理并行处理任务。这些工程设计使得 Claude Code 在代码编写和交互效率上表现卓越。
