从 Bit 到 AGI

一条从 0 和 1 走到 AGI 的学习路径：不讲玄学，只讲程序员能亲手验证的直觉与工程。

本专栏 186 篇（十二阶段），每章独立成册，可顺序阅读，也可按需跳转。

第 1 章  比特（Bit）
    ↓
第 2 章  数学（Math）
    ↓
第 3 章  信息（Information）
    ↓
第 4 章  神经元（Neuron）
    ↓
第 5 章  Transformer
    ↓
第 6 章  Token
    ↓
第 7 章  训练（Training）
    ↓
第 8 章  推理（Inference）
    ↓
第 9 章  GPU
    ↓
第 10 章 自己训练一个模型
    ↓
第 11 章 工程化（Serving）
    ↓
第 12 章 未来（AGI）

十二阶段

1. 第一章：比特（Bit） — 20 篇 · Everything is Bits
2. 第二章：数学（Math） — 15 篇 · 程序员视角的数学
3. 第三章：信息（Information） — 10 篇 · 信息论与语言模型
4. 第四章：神经元（Neuron） — 20 篇 · 神经网络基础
5. 第五章：Transformer — 20 篇 · 统一世界的架构
6. 第六章：Token — 10 篇 · Tokenizer
7. 第七章：训练（Training） — 20 篇 · 从预训练到对齐
8. 第八章：推理（Inference） — 15 篇 · 让模型跑起来
9. 第九章：GPU — 10 篇 · 硬件与算力
10. 第十章：自己训练一个模型 — 20 篇 · 端到端实战
11. 第十一章：工程化（Serving） — 15 篇 · 生产级部署
12. 第十二章：未来（AGI） — 10 篇 · 通向 AGI

附录

• AI术语大全 — 全书约 120 条术语总索引（按章节 + A–Z 缩写速查）

适合谁

• 想搞懂 LLM 但不想先啃四年数学系的程序员
• 已经会用 API，想知道「模型里面到底发生了什么」的工程师
• 打算自己训模型、部署服务、做 Agent 的实践者

写作原则

1. 先比特，后 AI——第一章完全不碰模型，先把「世界如何被计算机表示」讲透。
2. 代码优先——能用十行 Python 或一张图说清楚的，不写公式堆砌。
3. 可跳转——每篇独立成文，目录即知识地图。