李博杰《深入理解 AI Agent》第3章上篇：Agent 如何跨会话记住用户——记忆生命周期、三层次评估框架、四种存储格式、认知科学分类、Mem0/Memobase 案例（含图解）
李博杰《深入理解 AI Agent》第2章上半：上下文=静态前缀+轨迹、API 四角色与无状态机制、KV Cache 三条铁律、缓存作为架构约束
李博杰《深入理解 AI Agent》第2章中篇：系统提示词是写给模型的员工手册——语气/结构化/流程驱动/业务规则细化/few-shot/工具定义，以及提示注入攻防
李博杰《深入理解 AI Agent》第2章下篇：渐进式披露的 Skills、把隐式状态提炼成显式知识的状态栏（上下文蒸馏）、以及上下文压缩策略
李博杰《深入理解 AI Agent》第1章读书笔记：核心公式的三重视角、上下文消融实验、ReAct 循环、模型即 Agent 与 Harness 工程，附思考题延伸
Andrej Karpathy 手把手教你手动对 2 层 MLP 做反向传播——不用 PyTorch autograd，从零推导每个算子的梯度
Andrej Karpathy makemore 系列五章总结——从 Bigram 到 MLP 到 WaveNet，梳理每一层的角色、原理和设计动机
从 MLP 出发，看 tanh 饱和如何导致梯度消失，以及 Batch Normalization 如何系统性地解决深层网络的训练问题
从硬编码写死到动态注册中心+MCP双链路，系统拆解大规模Agent系统的工具管理架构
跟着 Andrej Karpathy 一起从零搭建字符级神经网络语言模型，理解 embedding、MLP、训练循环与学习率调度
