feat(latex): 新增 LaTeX 排版系统，从 Markdown 生成 ctexbook

- 新增 officefile/latex/ 目录，包含 main.tex、preamble.tex 及 14 个章节 + 10 个附录 tex 文件
- md→tex 转换流程：pandoc 转换 + _postprocess.py 后处理（去编号、修破折号、清标签）
- 修复 5 个 md 源文件的标题层级（H1→H2 降级，统一层级结构）
- 配置 VS Code LaTeX Workshop（xelatex + ctexbook 编译链）
- 新增 VS Code workspace 和 .gitignore（排除 LaTeX 编译产物）

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

appendices/ap08-glossary.tex

@@ -0,0 +1,48 @@
+\chapter{附录8：关键术语表}
+
+本附录按章节整理书中涉及的关键中英文术语。
+
+\subsection{第二章}
+
+{\def\LTcaptype{none} % do not increment counter
+\begin{longtable}[]{@{}
+  >{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1635}}
+  >{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2921}}
+  >{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.5444}}@{}}
+\toprule\noalign{}
+\begin{minipage}[b]{\linewidth}\raggedright
+中文
+\end{minipage} & \begin{minipage}[b]{\linewidth}\raggedright
+英文
+\end{minipage} & \begin{minipage}[b]{\linewidth}\raggedright
+说明
+\end{minipage} \\
+\midrule\noalign{}
+\endhead
+\bottomrule\noalign{}
+\endlastfoot
+数据模态 & Data Modality & 信息的存在形式，如文本、图像、三维等 \\
+线性回归 & Linear Regression & \(y = ax + b\) 形式的函数拟合 \\
+多元回归 & Multiple Regression & 多输入变量的线性模型 \(y = \sum a_{i}x_{i} + b\) \\
+多层感知机 & Multi-Layer Perceptron (MLP) & 最基础的前馈神经网络结构 \\
+前向传播 & Forward Propagation & 数据从输入层到输出层的计算过程 \\
+激活函数 & Activation Function & 引入非线性的函数，如ReLU、Sigmoid \\
+损失函数 & Loss Function & 衡量预测值与真实值差距的函数 \\
+反向传播 & Backpropagation & 利用链式法则计算梯度的算法 \\
+梯度下降 & Gradient Descent & 沿梯度反方向更新参数的优化方法 \\
+学习率 & Learning Rate & 梯度下降中控制参数更新步长的超参数 \\
+权重 & Weight & 神经元之间连接的可学习参数 \\
+偏置 & Bias & 调整输出基准的可学习参数 \\
+特征工程 & Feature Engineering & 人工设计和提取数据特征的过程 \\
+迁移学习 & Transfer Learning & 将一个任务学到的知识迁移到新任务 \\
+基础模型 & Foundation Model & 在大规模数据上预训练的大型通用模型 \\
+涌现能力 & Emergent Abilities & 模型规模大到一定程度后出现的新能力 \\
+缩放定律 & Scaling Law & 模型性能与规模（数据量、参数量、计算量）之间的关系规律 \\
+环境-智能体-任务 & Environment-Agent-Task & AI实践的三元框架：环境提供操作空间，智能体执行任务，任务定义目标 \\
+Vibe Coding & Vibe Coding & 感觉驱动编程，用自然语言描述需求让AI生成代码的编程范式 \\
+全连接层 & Fully Connected Layer & 每个神经元与上一层所有神经元相连的网络层 \\
+预训练 & Pre-training & 在大规模数据上的初始训练阶段 \\
+微调 & Fine-tuning & 在特定任务数据上对预训练模型进行适配训练 \\
+\end{longtable}
+}
+