AI 系统成长记录 | AI Systems Journey

这个仓库记录我从人工智能专业学生成长为大模型系统工程师的过程。 它首先服务于学习，其次才是作品集，因此只保留当前真正需要的内容。

从这里开始

现在只需要打开 PROGRESS.md，完成里面标出的当前一步。 不要提前创建后续项目，也不要同时学习多条路线。

仓库地图

dev/
├── .gitignore         # 告诉 Git 忽略缓存、密钥和本地大文件
├── README.md          # 入口：仓库怎么使用
├── ROADMAP.md         # 路线：未来往哪里走
├── PROGRESS.md        # 进度：现在只做什么
├── week-01/
│   ├── README.md      # 已完成：环境与第一个张量练习
│   ├── REVIEW.md      # 第 1 周复盘
│   └── tensor_exercise.py # 已通过的 CPU/GPU 张量练习
├── week-02/
│   ├── README.md      # 当前：softmax 与数值稳定性
│   ├── REVIEW.md      # 第 2 周复盘，由我亲自填写
│   └── shape_exercise.py # 已通过的形状与广播练习
├── python/
│   └── 华为勇敢者学堂/
│       └── test.py    # 已有的个人 Python 练习
├── tools/
│   └── check-env.sh   # 只读的环境检查脚本
└── LICENSE            # 仓库的开源许可

位置	什么时候看
PROGRESS.md	每次学习开始时，只看当前一步
week-01/	已完成的基线、代码与复盘
week-02/	当前任务，完成后再扩展下一步
ROADMAP.md	每周复盘或需要确认方向时查看
python/	保存我已经开始的个人练习
tools/	需要检查环境时运行，不用背脚本内容
.gitignore	Git 自动使用，通常不需要打开

学习规则

1. 一次只做一步。 未完成当前验收前，不展开下一阶段目录。
2. 先自己尝试。 AI 可以解释、提问和审查，但不替我交作业。
3. 用证据记录成长。 代码、测试、运行结果和自己的解释比打卡更重要。
4. 如实标注协作。 AI 生成的脚手架不算作我已经掌握的能力。
5. 保护工作信息。 不上传雇主代码、数据、内部文档、指标或密钥。

本仓库原创内容使用 MIT License。

English version

Purpose

This repository records my path from an AI student to an LLM systems engineer. It is a learning workspace first and a portfolio second, so it contains only what I need at the current stage.

Start here

Open PROGRESS.md and complete the single Current Step. Do not create future projects or study several tracks at the same time.

Repository map

• README.md: how to use the repository.
• ROADMAP.md: the long-term direction.
• PROGRESS.md: the one task currently in progress.
• week-01/: completed baseline code and review.
• week-02/: the current tensor-shape task and personal review.
• python/: existing personal Python practice.
• tools/check-env.sh: a read-only environment check.
• .gitignore: excludes local caches, secrets, and large assets from Git.
• LICENSE: the open-source license.

Learning rules

1. Work on one step at a time.
2. Attempt the task before asking AI to solve it.
3. Use code, tests, outputs, and explanations as evidence.
4. Disclose AI assistance; generated code is not demonstrated skill.
5. Never publish employer code, data, internal information, metrics, or secrets.

Original repository content is licensed under the MIT License.