深度教学站点¶
AI 生成的代码仓库 + 论文深度讲解合集。每篇都包含 Feynman 风格的解释、数学推导、Mermaid 架构图、源码逐行引用，以及作者主观的专业见解。
教程目录¶
📦 GitHub 仓库教程¶
| 项目 | 简介 | 深度 |
|---|---|---|
| karpathy/micrograd | 极简自动微分引擎 + 神经网络库（100 行 + 50 行）。理解 PyTorch 底层原理的最佳入门 | 7 章 |
| nousresearch/hermes-agent | Nous Research 自演化 AI agent 框架：上下文引擎 / 记忆 / 工具调度 / 安全护栏 / 多 Provider 适配 | 10 章 |
📄 论文深度讲解¶
| 论文 | 会议/年份 | 核心贡献 | 深度 |
|---|---|---|---|
| Tree of Thoughts | NeurIPS 2023 | 把 LLM 当成 BFS/DFS 里的生成器 + 评估器，Game of 24 把成功率从 4% 推到 74% | 5 章 |
生成工具¶
这些教程由两个本地 Claude Code skill 自动生成：
repo-to-tutorial—— GitHub 仓库 → 教学站点paper-to-tutorial—— 学术论文 + 其源码 → 教学站点
两个 skill 共享 MkDocs-Material 构建流程，都用 Claude 作为 LLM 后端。详见 README。
风格说明¶
每篇教程都遵循：
- 深入浅出：抽象概念用工厂、汇率、棋类等生活化比喻引入
- 数学严谨：LaTeX 公式 + 推导，遵守变量记号一致性
- 源码可追：每个代码引用 pin 到具体 commit SHA + 行号
- 观点鲜明：💡 个人见解段落必须给出 Level-2+ 的判断 / 取舍 / 洞察，不堆套话
- zero-loss：论文里每张图都嵌入站点，每段实验数据都进表格
生成日期：2026-05-13 · 生成工具仓库：zzp-seeker/micrograd-tutorial