依 Stanford CS149 Fall 2025 官方投影片、5 個程式作業與 4 份書面作業，逐講導讀平行計算：多核與 SIMD、工作分配與 locality、GPU/CUDA、DNN 與 AI 加速器（Trainium2）、資料中心 AI、AI 驅動最佳化，到 cache coherence、lock-free 與 transactional memory；錄影以 2023 公開版補充。

AI／ML 核心課程22 篇2026/9/30

Stanford CS224R 導讀

依 Spring 2026 的 17 份投影片、三份作業與 default project，讀 Stanford CS224R 從模仿學習、策略梯度、offline RL，到 RLHF、LLM 推理與機器人 VLA 的深度強化學習路線；Spring 2025 公開錄影當補充。

AI／ML 核心課程21 篇2026/9/30

Stanford CS231N 導讀

Stanford CS231N 電腦視覺深度學習導讀：依 Spring 2026 投影片與 A1–A3 作業，錄影部分對照 Spring 2025 YouTube 公開版。從影像分類、反向傳播、CNN、Transformer，一路走到偵測分割、自監督、生成模型、視覺語言與 3D。

AI／ML 核心課程19 篇2026/9/30

Stanford CS234 導讀

依 Winter 2026 的 14 講投影片、三份作業與起始碼，對照 Spring 2024 公開錄影，讀 Stanford CS234 的強化學習路線：MDP 規劃、無模型評估與控制、策略梯度與 PPO、模仿學習與 RLHF／DPO、bandit 探索理論、MCTS 與價值對齊。

AI／ML 核心課程16 篇2026/9/30

逐講讀 Harvard CS 2881R AI Safety（Boaz Barak，Fall 2025）：從 emergent misalignment 的 HW0 出發，經過安全訓練、jailbreak 與 prompt injection、model spec 與內容政策、scheming 與可解釋性，到遞迴自我改進、能力量測、經濟與心理健康衝擊，以及學生的重現與期末研究。依據公開錄影、閱讀清單、投影片與作業規格。

AI／ML 核心課程25 篇2026/9/30

MIT 6.5940 導讀

以最近一屆完整的 Fall 2024 為主幹，逐講讀 MIT 6.5940 TinyML 與高效深度學習：pruning、quantization、NAS、蒸餾、MCU 部署、LLM 推論與後訓練、長上下文、diffusion、分散式與裝置端訓練，並對照進行中的 Fall 2026。

AI／ML 核心課程10 篇2026/9/30

MIT 6.S184 導讀

依 IAP 2026 官方講義、投影片、錄影與三個 lab（含官方解答），逐講讀 MIT 6.S184：從 ODE／SDE、flow matching、score matching、classifier-free guidance、DiT 與 latent space，一路到離散擴散。

AI／ML 核心課程15 篇2026/9/30

政大蔡炎龍生成式AI 導讀

依 Spring 2025（1132）的 14 支錄影、14 份投影片、12 份作業說明與 Colab notebook，逐講讀政大蔡炎龍的 TAICA 課程「生成式 AI：文字與圖像生成的原理與實務」：從神經網路、GAN、LLM 與 Transformer，到對話機器人、RAG、AI Agents，再到 VAE、Stable Diffusion、ControlNet／Fooocus。適合初學者。

AI／ML 核心課程20 篇2026/9/30

清大高宏宇自然語言處理導讀

依 IKMLab 官方 GitHub 的 Fall 2025 完整教材（講課投影片、W1–W16 共 36 支公開錄影、HW1–HW4 題目與 notebook、PyTorch／Hugging Face／LLM API／RAG 助教課），讀清大高宏宇的 TAICA 中文 NLP 課：從傳統文字處理、詞向量、seq2seq、Transformer、BERT 家族、解碼與評估，一路讀到 RLHF、PEFT、RAG 與 Reasoning，最後整理 Fall 2026 的改版。

AI／ML 核心課程19 篇2026/9/30

台大陳縕儂深度學習之應用 2025 Fall 導讀

依官方 17 份講義、77 支錄影、助教課與 HW1 規格，讀台大陳縕儂深度學習之應用（ADL）Fall 2025：從神經網路、RNN、Transformer、BERT，到預訓練、RLHF、LoRA、RAG、生成解碼、安全對齊、Language Agents 與 Reasoning。

AI／ML 核心課程19 篇2026/9/30

台大林軒田機器學習基石與技法導讀

依林軒田「機器學習基石」與「機器學習技法」兩門 MOOC（32 講、130 支 YouTube 影片、全套 handout 投影片）逐主題導讀，從 PLA、VC 維度、線性模型、正則化與驗證，一路讀到 SVM、kernel、aggregation、樹模型與神經網路，並用公開的 Fall 2024 HW0–HW7 與期末專題當練習；Fall 2026 的課另外對照。

AI／ML 核心課程21 篇2026/9/30

台大李宏毅機器學習 2026 Spring 導讀

依官方 8 講投影片與錄影、10 份作業與 Colab，讀台大李宏毅機器學習 2026 Spring：從解剖 OpenClaw、Context Engineering，到 Flash Attention、KV Cache、位置編碼、Harness Engineering、自我修正與 AI 自我成長。

AI／ML 核心課程39 篇2026/9/30

世界名校 AI／CS 課程地圖

以 2025–2026 官方課程網站、課表與教材入口為依據，整理 Stanford、CMU、MIT、UC Berkeley 的 AI／CS 課程地圖，說明哪些能完整自學、哪些只有講義或歷史影片。

AI／ML 核心課程14 篇2026/9/29

Stanford CME295 導讀

逐講讀 Stanford CME295: Transformers & Large Language Models：從 Transformer 架構一路走到 LLM 評估與 AI agent，並對照 CS224N、CS336 的分工。

Agent 與前沿課程14 篇2026/9/29

CMU 11-768 AI Agents 導讀

逐講讀 CMU 11-768 AI Agents（Fall 2026）：從 agent 迴圈、工具使用到 RL 訓練、credit assignment 與 reward hacking，依官方課序整理。

NLP 與對話課程17 篇2026/9/29

Stanford CS224U 導讀

逐單元讀 Stanford CS224U：語意表示、自然語言推論、問答與互動式語言系統，明確標示所採歷史學期。

AI／ML 核心課程18 篇2026/9/29

Berkeley CS189 導讀

逐講、逐份作業讀 Berkeley CS189（Introduction to Machine Learning）的公開教材，每篇標明採用學期，補齊 CS188 之後更完整的 ML 數學基礎。

AI／ML 核心課程15 篇2026/9/29

CMU 07-380 完整課程導讀

接續 07-280，逐講讀 CMU 07-380 首開學期的 26 講：從邏輯與規劃到擴散模型，並標明 HW 與 Project 的公開進度。

AI／ML 核心課程16 篇2026/9/29

Harvard CS181 逐週導讀

逐週讀 Harvard CS181（Machine Learning）：線性代數、微積分與機率的補課，到線性迴歸與後續模型的公開作業。

AI 與 Agent10 篇2026/9/19

AI Agent 記憶工程

為什麼記憶是 agent 工程的核心難題：從 context 滿了怎麼辦到開源記憶框架選型，十篇各自解決一個記憶問題。

AI 與 Agent15 篇2026/9/19

Deep Research 前沿

梳理 80+ 個 Deep Research 實作：三階段能力路線、規劃／獲取／記憶／生成四個核心組件、prompting／SFT／RL 三種優化範式，以及評估與開源工具全景。

AI 模型與技術選型25 篇2026/9/19

AI 模型家族

從演化脈絡、架構、授權陷阱到版本選型，逐一拆開 Qwen、DeepSeek、Claude、GPT、Gemini、Llama、Mistral、GLM、Kimi 等主流模型家族，並附 Agent 開發者的選型建議。

AI 與 Agent7 篇2026/9/18

Multi-Agent 系統實戰

比較 Claude Code、Codex、Antigravity、Cursor、Windsurf、Devin、LangGraph、CrewAI 的 subagent 模型、編排模式與通訊機制，附能力矩陣與設計哲學光譜。

產品與職涯9 篇2026/9/17

免費內容如何替別的生意獲客

免費內容如何替別的生意獲客系列文章

產品與職涯7 篇2026/9/17

AI 搜尋正在重寫內容生意

從 Google、Pew 與 Cloudflare 的資料拆解 AI 摘要如何重畫內容、引用、點擊與轉換路徑，以及封鎖、授權、訴訟與自有資產各自能保護內容生意的哪一段。

產品與職涯7 篇2026/9/17

誰掌握創作者與讀者的關係

誰掌握創作者與讀者的關係系列文章

產品與職涯7 篇2026/9/17

情報如何成為一門企業生意

情報如何成為一門企業生意系列文章

資料擷取與處理11 篇2026/9/16

文件解析實戰

把文件變成 LLM 可讀內容的三層階梯——轉換、抽取、解析。從選層邏輯到 MarkItDown、anydoc、MinerU 等各層工具的取捨比較。

產品與職涯3 篇2026/9/16

內容販售商業模式拆解

內容販售商業模式拆解系列文章

AI 與 Agent15 篇2026/9/12

AI-Native SDLC Playbook

把 AI 放進軟體開發生命週期各階段的實作手冊：需求、設計、開發、測試、維運怎麼分別導入 agent。

資料擷取與處理1 篇2026/9/11

Groundlane 實戰系列

記錄 Groundlane 這個自架研究/爬取工具的設計與實戰使用心得，作為搜尋與爬取實戰系列的延伸案例。

Agent 與前沿課程11 篇2026/9/10

Stanford CS329Z 導讀

逐講追蹤 Stanford CS329Z 的 agent engineering 課程；只在當期官方材料公開後撰寫，不用預告大綱代替實際講授。

AI／ML 核心課程29 篇2026/9/10

Stanford CS 主線課程導讀

從學位骨架到 AI、NLP、圖學習與 agent，整理 Stanford CS 主線課程的版本、先修關係與逐課導讀入口。

產品與職涯4 篇2026/9/10

資安證照攻略

以官方考綱為主軸的資安證照備考路徑：考什麼、配哪些官方材料、練什麼。

AI 與 Agent11 篇2026/9/6

從零訓練一個 LLM

從零開始訓練一個語言模型的實作紀錄：資料、tokenizer、架構、訓練與評估的每一個決定。

AI 與 Agent39 篇2026/9/6

跟成熟 coding agent 學設計

以 Looplane 為實作載體，逐題對照 pi、OMP、OpenCode、Codex CLI 與 Claude Code：從 loop、workspace、approval 與 verification，一路追到已落地 baseline 的 memory、compaction、MCP、sandbox、subagents、replay、LSP、cost tracking 與 Agent as a Service，並保留 production validation 與跨 runtime parity 的真實缺口。

AI 與 Agent52 篇2026/9/3

RAG 技法大全

把 RAG 拆成可逐項比較的技法：切塊與索引、稀疏與稠密檢索、排序融合、agentic 與進階模式、生成端控制、真實查詢會踩的坑，以及評估、成本與可觀測性。每篇只談一個決定，讀完能拼成一條自己的 pipeline。

趨勢與日報1 篇2026/9/2

AI Benchmark Watch

AI Benchmark Watch 系列文章

Coding Agent 工具鏈16 篇2026/8/31

OMP 內部設計導讀

逐段讀 oh-my-pi（OMP）原始碼：streaming、rulebook、slash/custom tools、memory 與 task hub 等內部設計。

Coding Agent 工具鏈17 篇2026/8/31

pi-mono 深度導讀

逐段讀 pi-mono 原始碼：agent loop、工具呼叫、審批與 session 管理的實作方式，作為跟成熟 coding agent 學設計的對照案例之一。

AI 與 Agent10 篇2026/8/30

Ask AI 實戰

沿著 quidproquo Ask AI 的真實資料流，從索引、混合檢索、Writer 與來源門檻走到串流、快取、事故鑑識與可重跑評估；每篇只追一條責任與它能證明的邊界。

雲端與基礎設施14 篇2026/8/30

Cloudflare AI Stack

把 Cloudflare 上的 AI 元件單獨拆出來讀：Workers AI、Vectorize、AI Gateway 等 binding 的能力邊界與實際取捨。

雲端與基礎設施27 篇2026/8/30

Cloudflare Edge Platform

持續追蹤 Cloudflare 邊緣平台的元件與服務更新，作為「Cloudflare 邊緣技術棧」系列之後的延伸紀錄。

Coding Agent 工具鏈20 篇2026/8/30

Looplane 架構拆解

沿著一次 coding-agent 任務的實際路徑拆解 Looplane：從 TUI、disposable workspace、prompt 與兩條 runtime lane，走到工具權限、state/event lifecycle、MCP、subagents、SDK/IDE，最後把同一套邊界延伸到 Cloudflare 遠端執行。每篇只追一條 data flow、failure boundary 與測試證據。

AI／ML 核心課程11 篇2026/8/30

Harvard CS50 AI 導讀

逐講讀 Harvard CS50 AI with Python：搜尋、知識表示、機率、機器學習、神經網路與語言模型的公開教材與作業。

AI／ML 核心課程21 篇2026/8/30

MIT 6.7960 導讀 (Fall 2024 OCW)

逐講讀 MIT 6.7960（Fall 2024 OCW）：深度學習的優化、正則化、CNN、Transformer、生成模型與表示學習。

資料擷取與處理17 篇2026/8/29

搜尋與爬取實戰

把資料從外面弄進來的整條路：搜尋要租雲端 API 還是自己架、爬取工具怎麼選、被反爬擋住怎麼辦，最後怎麼把這些接成一條研究流程。每篇談一個決定，讀完能拼出一套自己的取得管道。

AI／ML 核心課程53 篇2026/8/29

從考試到 ML/AI 的統計學導讀

從台大資管統計備考出發，補齊基礎統計、統計推論與應用建模，並在每一篇說明它如何接到 ML/AI 的訓練、評估、實驗與資料工作流。

AI 與 Agent5 篇2026/8/26

Meta-Harness 與 Agent 治理

當 agent 本身也要被治理：meta-harness 的設計、多 agent 協作的規則與邊界。

AI 與 Agent18 篇2026/8/26

認識 AI 模型

給還不熟 AI 模型的讀者的入門系列：概念、名詞與怎麼挑一個模型來用。

產品與職涯12 篇2026/8/26

一個人的媒體公司

一個人經營內容/媒體事業的實務紀錄：定位、產出節奏、變現與 AI 工具怎麼放進流程。

Coding Agent 工具鏈38 篇2026/8/26

Claude Code 深入介紹

拆開 Claude Code 本體的設計：從 CLI 架構、權限模型到內部機制，補齊「Claude Code 自動化指南」沒談的產品內部細節。

雲端與基礎設施8 篇2026/8/25

自架推論服務

自己架推論服務要考慮的取捨：硬體、模型 serving 框架、成本與維運，對照直接呼叫雲端 API 的分界點。

學習與研究25 篇2026/8/24

AI 頂會導讀

拆解「AI 頂會」怎麼被認定、投稿與審稿如何運作，以及各領域頂會的定位與爭議。

Coding Agent 工具鏈30 篇2026/8/24

Agent CLI 選型指南

把終端 agent 這一類工具攤開來比：Claude Code、Codex、Gemini CLI（已轉為 Antigravity CLI）、OpenCode、Pi、Cursor CLI、Kiro，各自的設計取捨、方案與計費，最後收在跨工具的訂閱比較與多模型路由。價格與模型名稱半衰期極短，每篇都標了查證日期並把易腐段落交還官方頁面。

AI 模型與技術選型128 篇2026/8/24

AI 時代的技術選擇

以採用度為主判準，輔以 AI 時代新增的五條判準（文件機器可讀性、型別、原始碼在不在 repo、資料骨架、機器可呼叫性），整理從前端到後端、從雲端到自架的技術選型。

AI／ML 核心課程29 篇2026/8/22

CMU 07-280 完整課程導讀

逐講讀 CMU AI 核心改制後的 07-280：從 linear regression、MLE 到 N-gram、attention/transformer 與 Q-learning，對照官方 Spring 2026 教材。

AI／ML 核心課程29 篇2026/8/22

CMU 11-785 深度學習完整課程導讀

逐講讀 CMU 11-785 Spring 2026 的 28 講深度學習教材，並清楚區分公開講授鏈與受限的正式作業鏈。

NLP 與對話課程11 篇2026/8/22

Stanford CS124 導讀

逐週讀 Stanford CS124：從語言模型與文字分類，到資訊抽取、問答與語音，追蹤自然語言處理的完整管線。

NLP 與對話課程20 篇2026/8/22

Stanford CS224N 導讀

逐講讀 Stanford CS224N：從詞向量、序列模型與 Transformer，到大型語言模型、評估與責任議題。

NLP 與對話課程15 篇2026/8/22

Stanford CS224V 導讀

逐單元讀 Stanford CS224V 的明確學期版本：對話式虛擬助理的理解、對話管理、生成、評估與部署。

AI／ML 核心課程18 篇2026/8/22

Stanford CS336 導讀

逐講讀 Stanford CS336：從 tokenizer、資料與 scaling，到訓練、平行化、評估與 alignment，拆開語言模型的完整製作流程。

AI／ML 核心課程13 篇2026/8/22

MIT 6.S191 導讀

依 2026 官方影片、投影片與實驗程式，讀完 MIT 6.S191 的九講與三個實驗，不混用歷史版本。

資料擷取與處理4 篇2026/8/22

私有語料管線

私有資料如何安全且持續地進入索引、通過查詢權限被找到，並在來源更新或刪除後維持一致；重點是資料生命週期，不重複介紹 RAG 檢索技法。

AI／ML 核心課程21 篇2026/8/22

Stanford CS221 導讀

逐講讀 Stanford CS221：搜尋、馬可夫決策、機器學習、約束滿足與機率模型，建立人工智慧的共同骨架。

AI／ML 核心課程20 篇2026/8/22

Stanford CS224W 導讀

逐講讀 Stanford CS224W：圖的表示、網路科學、圖神經網路、知識圖譜與可擴展圖學習。

AI／ML 核心課程22 篇2026/8/22

Stanford CS229 導讀

逐章讀 Stanford CS229 的 2026 官方主講義：從監督式學習與深度學習，走到基礎模型、LLM 推理與強化學習，共二十一章，不假裝對應單一學期的逐講進度。

AI／ML 核心課程7 篇2026/8/22

Berkeley CS188 Spring 2026

以 P0–P5 六個 projects 為主線，讀 Berkeley CS188 Spring 2026 的搜尋、決策、機率推論、強化學習與機器學習。

AI／ML 核心課程6 篇2026/8/22

Berkeley CS285 Spring 2026 導讀

依 25 講投影片、九組討論與五份作業，讀 Berkeley CS285 Spring 2026 的深度強化學習路線與算力邊界。

NLP 與對話課程6 篇2026/8/22

Berkeley CS288 Spring 2026

依 18 組公開教材與三份作業，讀 Berkeley CS288 Spring 2026 從 n-gram 到 RAG、reasoning 與 agents 的進階 NLP 路線。

AI／ML 核心課程10 篇2026/8/22

CMU 10-301 機器學習完整課程導讀

以 Spring 2026 九份公開作業為主線，讀 CMU 10-301／601 的 27 講機器學習內容與校外實作邊界。

CS 基礎與理論課程27 篇2026/8/22

Stanford CS107 導讀

逐講讀 Stanford CS107：C、記憶體、組合語言、資料表示與系統除錯，從高階語言一路往機器底層走。

CS 基礎與理論課程29 篇2026/8/22

Stanford CS103 導讀

逐講讀 Stanford CS103：離散數學、邏輯、證明、集合、可計算性，以及它們如何成為後續 CS 課程的共同語言。

CS 基礎與理論課程23 篇2026/8/22

Stanford CS109 導讀

逐講讀 Stanford CS109：機率、隨機變數、推論與模擬，補齊機器學習與資料科學真正會用到的機率底座。

CS 基礎與理論課程29 篇2026/8/22

Stanford CS111 導讀

逐講讀 Stanford CS111：程序、執行緒、同步、虛擬記憶體、檔案系統與作業系統設計取捨。

AI／ML 核心課程1 篇2026/8/21

Stanford CS228 導讀

逐週讀一個明確版本的 Stanford CS228：機率圖模型、精確與近似推論、參數學習及結構學習。

CS 基礎與理論課程19 篇2026/8/21

Stanford CS161 導讀

逐講讀 Stanford CS161 Winter 2026：演算法設計、正確性證明與複雜度分析，完整對齊十八講公開教材。

AI 模型與技術選型6 篇2026/8/21

AEO / GEO 與 AI 搜尋

當讀者換成 AI 之後，內容要怎麼寫才被引用：從傳統 SEO 的底子講到 answer engine optimization，內容結構與 structured data 的實際效果，再到追蹤工具能不能真的量到 AI 搜尋的能見度。

產品與職涯10 篇2026/8/20

AI Engineer 面試準備

從 ML 基礎、系統設計、LLM 應用架構到行為面試，拆成十個主題逐篇準備。每篇聚焦一個面試環節，整理核心概念、常見題型與實戰策略。

Agent 與前沿課程1 篇2026/8/20

Stanford CS329A 導讀

逐講追蹤 Stanford CS329A 的自我改進式 AI 系統；每篇以可對應官方 session 的材料為準，缺料時明列等待。

學習與研究1 篇2026/8/20

品味修煉

把品味拆成可以觀察、辯護與反覆校準的判斷力，系統性記錄在 AI 放大執行力之後，如何訓練選擇什麼值得做、怎樣才算做好的能力。

產品與職涯10 篇2026/8/20

Product Builder 面試準備

從產品直覺、指標設計、策略思維到 AI 產品設計，拆成十個主題準備 Product Builder 面試。每篇聚焦一個面試環節，整理框架、案例與答題策略。

產品與職涯24 篇2026/8/19

AI 證照備考

以官方 exam guide 的章節權重為骨架，一張證照一篇備考路徑：考什麼、配哪些官方材料、練什麼，時程換算的依據也寫出來。所有內容取自官方考綱與認證頁，不含應考實錄，也不含考古題。

AI 與 Agent11 篇2026/8/18

Hermes Agent 文件導讀

對照 Nous Research 官方文件讀 Hermes Agent：安裝與升級、模型供應商與 Nous Portal、Tool Gateway、七種終端後端、記憶與技能、工具與 plugin、Gateway 與排程、安全模型，以及從 OpenClaw 遷移。每篇只留取捨與失敗點，指令細節交還官方文件。

雲端與基礎設施4 篇2026/8/18

Cloudflare 邊緣技術棧

把在 Cloudflare 邊緣上蓋一套完整應用需要的元件逐個讀過：Workers 的執行模型，D1、KV、R2 三種儲存各自的適用邊界，Hono 與 OpenNext 這層框架取捨，再到 Workers AI binding 與實際部署時會踩的網域、原生模組問題。

Agent 與前沿課程11 篇2026/8/16

CS146S：AI 原生開發十週

照 Stanford CS146S「The Modern Software Developer」的十週大綱逐週讀：從 agent 內部構造、context 工程、skills 與客製，到 codebase 就緒度、code review、安全、背景 agent、團隊化與 software factory。每篇對照課程指定材料與可查證的一手來源。

AI／ML 核心課程9 篇2026/8/16