pengxiao
a90f7adfa1
将 Markdown 源文件移入 md/，LaTeX 工作目录保留在 latex/， Word 导出移入 word/；删除临时脚本、调试截图和空 stub。 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
182 lines
7.5 KiB
Markdown
182 lines
7.5 KiB
Markdown
# 第二部分：基础原理
|
||
|
||
## 本部分目标
|
||
|
||
理解现代AI系统的核心设计原理，超越具体工具：
|
||
- 智能系统的模块化设计思想
|
||
- 状态与状态机的设计哲学
|
||
- 概率思维与不确定性处理
|
||
- 反馈机制与学习原理
|
||
- 人机协同的理论基础
|
||
|
||
---
|
||
|
||
## 章节导航
|
||
|
||
| 章节 | 文件 | 核心问题 | 实践 |
|
||
|-----|------|---------|------|
|
||
| 01.1 | [智能的模块化视角](./01.1-modular-intelligence.md) | 为什么要模块化？技能如何封装？ | QGIS技能架构分析 |
|
||
| 01.2 | [状态与状态机](./01.2-state-and-state-machines.md) | 状态是什么？为何重要？ | 简单工作流状态机 |
|
||
| 01.3 | [概率与不确定性](./01.3-probability-and-uncertainty.md) | AI如何处理未知？ | 生态源地识别不确定性 |
|
||
| 01.4 | [反馈与学习](./01.4-feedback-and-learning.md) | 系统如何改进？ | 生态网络优化示例 |
|
||
| 01.5 | [人机协同的原理](./01.5-human-ai-collaboration.md) | 何时需要人类介入？ | ENAgent审查点设计 |
|
||
|
||
---
|
||
|
||
## 学习路径
|
||
|
||
```
|
||
┌─────────────────┐
|
||
│ 01-foundations │
|
||
└────────┬────────┘
|
||
│
|
||
┌────────────────────┼────────────────────┐
|
||
│ │ │
|
||
↓ ↓ ↓
|
||
┌──────────┐ ┌──────────┐ ┌──────────┐
|
||
│设计思维 │ │系统思维 │ │协作思维 │
|
||
│01.1, 01.2│ │01.3, 01.4│ │ 01.5 │
|
||
└──────────┘ └──────────┘ └──────────┘
|
||
│ │ │
|
||
└────────────────────┼────────────────────┘
|
||
│
|
||
↓
|
||
┌─────────────────┐
|
||
│ 综合理解 │
|
||
│ AI系统设计 │
|
||
└─────────────────┘
|
||
```
|
||
|
||
---
|
||
|
||
## 核心概念图谱
|
||
|
||
```
|
||
┌─────────────────────────────────────┐
|
||
│ AI系统设计核心 │
|
||
└─────────────────────────────────────┘
|
||
│
|
||
┌──────────────────────────────┼──────────────────────────────┐
|
||
│ │ │
|
||
↓ ↓ ↓
|
||
┌───────────────┐ ┌───────────────┐ ┌───────────────┐
|
||
│ 模块化 │ │ 状态机 │ │ 反馈循环 │
|
||
│ ────────── │ │ ────────── │ │ ────────── │
|
||
│ 技能封装 │ │ 工作流编排 │ │ 学习优化 │
|
||
│ 接口设计 │ │ 条件分支 │ │ 奖励信号 │
|
||
│ 组合模式 │ │ 错误处理 │ │ 探索利用 │
|
||
└───────────────┘ └───────────────┘ └───────────────┘
|
||
│ │ │
|
||
└──────────────────────────────┼──────────────────────────────┘
|
||
│
|
||
↓
|
||
┌─────────────────────────────────────────────────────────────┐
|
||
│ 人机协同层 │
|
||
│ ───────────────────────────────────────────────── │
|
||
│ 何时介入 │ 如何信任 │ 责任边界 │ 互补优势 │
|
||
└─────────────────────────────────────────────────────────────┘
|
||
```
|
||
|
||
---
|
||
|
||
## 前置知识
|
||
|
||
**必需**：
|
||
- Python面向对象编程基础
|
||
- 函数式编程概念（高阶函数、map/reduce）
|
||
- 基本的数据结构（图、树、字典）
|
||
|
||
**有助理解**：
|
||
- 设计模式基础
|
||
- 状态机概念
|
||
- 概率论基础
|
||
|
||
---
|
||
|
||
## 预计学习时间
|
||
|
||
| 阅读类型 | 时间估计 |
|
||
|---------|---------|
|
||
| 快速浏览 | 3-4小时 |
|
||
| 理解性阅读 | 10-15小时 |
|
||
| 完成所有实践 | 20-25小时 |
|
||
|
||
---
|
||
|
||
## 章节亮点
|
||
|
||
### 01.1 智能的模块化视角
|
||
- 从QGIS插件架构理解模块化
|
||
- 函数式组合思想
|
||
- 技能即能力封装的设计理念
|
||
|
||
### 01.2 状态与状态机
|
||
- 为什么状态管理是核心
|
||
- LangGraph的状态设计哲学
|
||
- 工作流的状态机实现
|
||
|
||
### 01.3 概率与不确定性
|
||
- 空间分析中的不确定性来源
|
||
- 置信度的表示和传播
|
||
- 鲁棒决策的方法
|
||
|
||
### 01.4 反馈与学习
|
||
- 强化学习的直觉理解
|
||
- 奖励函数设计原则
|
||
- 探索与利用的权衡
|
||
|
||
### 01.5 人机协同的原理
|
||
- HITL的理论基础
|
||
- 信任校准机制
|
||
- 责任边界划分
|
||
|
||
---
|
||
|
||
## 实践案例01：用LangGraph构建空间决策工作流
|
||
|
||
详见 [practice/langgraph-workflow](./practice/langgraph-workflow/)
|
||
|
||
### 实践目标
|
||
|
||
1. 理解状态驱动的Agent设计
|
||
2. 实现一个简单的空间决策工作流
|
||
3. 添加Human-in-the-Loop审查点
|
||
4. 处理工作流中的错误和重试
|
||
|
||
---
|
||
|
||
## 思考框架
|
||
|
||
在学习每章时，问自己：
|
||
|
||
1. **概念理解**：这个概念解决了什么问题？
|
||
2. **设计权衡**：为什么这样设计？有哪些替代方案？
|
||
3. **实际应用**：这个原理在ENAgent中如何体现？
|
||
4. **迁移思考**：这个原理可以应用到我的工作中吗？
|
||
|
||
---
|
||
|
||
## 延伸资源
|
||
|
||
### 经典阅读
|
||
- **"Design Patterns"** (GoF) - 设计模式基础
|
||
- **"Introduction to Automata Theory"** - 状态机理论
|
||
- **"Reinforcement Learning: An Introduction"** - RL基础
|
||
|
||
### 在线资源
|
||
- LangGraph官方文档
|
||
- LangChain状态管理指南
|
||
- Human-in-the-Loop机器学习论文集
|
||
|
||
---
|
||
|
||
## 关键要点预览
|
||
|
||
1. **模块化是管理复杂性的核心方法**
|
||
2. **状态机是工作流编排的基础抽象**
|
||
3. **概率思维让AI能处理不确定性**
|
||
4. **反馈循环是学习和改进的机制**
|
||
5. **人机协同需要明确的责任边界**
|
||
|
||
> "原理是知识的骨架，工具是知识的血肉。骨架不变，血肉可生。"
|