JYC / OPEN ENGINEERING COURSES
实战技术教程.
不同于链接清单:这里提供原创讲义、可抄录的最小示例、实验步骤、失败分析和验收问题。内容按技术领域组织;例子属于教学示意,未经执行的项目测试不会被标记为已验证。
当前公开教程
11 篇可阅读课程
课程原则
原理 → 最小实现 → 实验 → 解释结果 → 反例与边界
COURSE / Agent / Harness / Evals
Agent Engineering.
从最小 Tool Loop 到事件流、状态恢复、评测和可控的多步执行,理解模型与 Harness 的职责边界。
COURSE / Java / Spring Boot / Reliability
Java 后端工程.
从 JVM、并发、数据库事务走向可观测的 Spring Boot 服务,重点是工程正确性和故障诊断。
COURSE / Kafka / Flink / ClickHouse
数据工程与实时计算.
理解采集、消息队列、状态计算与查询服务;以故障注入、指标观察和恢复验证代替只背理论。
COURSE / TypeScript / React / API / UX
前端与全栈开发.
从页面排版到 TypeScript、组件状态、API 接口,再到部署完整产品;兼顾科技感审美和实际可用性。
COURSE / Architecture / Testing / Observability
系统设计与工程质量.
将系统设计落到约束、容量、数据库、缓存、异步系统、故障模式与可观测性,不以记忆名词代替方案取舍。
COURSE / CS336 / Transformer / Training / Inference
LLM 原理与工程.
用最小可运行实验理解 Tokenizer、Transformer、训练系统、评估和推理,将模型机制与 Agent 工程联系起来。
01 02 03 04 05 06
从 UTF-8 字节到 BPE:亲手训练玩具 Tokenizer
从词表、字节编码、频次合并讲起,实现可逆的字节级 BPE,并用边界样例验证。
Transformer 的因果自注意力:张量形状与未来信息屏蔽
用 PyTorch 写一个最小多头因果 Attention,并以“前缀不应受未来 Token 影响”做单元测试。
训练一个最小语言模型:交叉熵、过拟合实验与验证边界
从 next-token 监督信号和交叉熵开始,搭建小型 Bigram 语言模型训练循环。
训练与推理的显存预算:参数、梯度、优化器与 KV Cache
用量纲和可执行的预算脚本区分模型参数量、训练峰值与推理上下文成本。
模型数据与评估:去重、污染、切分和可复现报告
围绕数据泄漏和评估污染构建检查脚本,用固定测试协议解释指标而不是只展示排行榜。
从推理服务到对齐:KV Cache、批处理、SFT 与偏好优化
把生成服务的时延约束与模型训练阶段区分,理解推理调度和对齐方法的工程代价。