Posts

用 ~200 行 Python 手写一个 mini-autograd:理解动态计算图的构建、链式法则的层层应用、拓扑排序的反向遍历。在最小可运行实现里看清 PyTorch backward() 的真面目。

打开 PyTorch 黑盒:Tensor 与 Storage 的分离、Dispatcher 的多重派发机制、Autograd Engine 的工作原理。跟踪一行 a + b 从 Python 一路调到 CUDA kernel 的完整路径。

把 Day 07 的 Skill 入门带到生产级——掌握完整 frontmatter、$ARGUMENTS 参数化、嵌套 scripts/templates 资源结构、三层分发位置和团队级跨项目复用，让团队的「祖传手艺」一键可调用。

把 Day 03 的 Memory 入门带到生产级——深入 user / feedback / project / reference 四种类型的写法标准，掌握 MEMORY.md 索引结构、读写时机、过期处理与跨系统协作。让 Claude 成为有长期记忆的同事，不再每次从零开始。

把 Day 07 的 MCP 入门带到生产级——拆解 Model Context Protocol 的 JSON-RPC 协议、三种传输方式（stdio/http/sse）的取舍、三层 scope 的优先级，跑通 Postgres/GitHub/Slack 三大主流集成，最后用 Python SDK 写一个自己的 MCP 服务器。

Week 1 收官:把 Day 01–06 的 GPU 编程知识串成地图,再补上 AI 集群的网络与存储基础——NVLink 与 PCIe、InfiniBand 与 RoCE、RDMA 原理、NCCL 通信模型、存储分层。为 Phase 1 进入框架内部机制铺路。

把 Day 07 的 Hooks 入门带到生产级——掌握全部 9 种钩子事件、Shell 与 HTTP 两种处理器、自动格式化与自动测试的最佳实践，以及 hook 调试、撤销与阻断机制。让规则自动执行，不再依赖记忆。

系统学习 GPU profiling 工具链:nsys 看系统级 timeline、ncu 做 kernel 深度分析、py-spy 抓 Python 热点、torch.profiler 串起训练全链路,建立先测量再优化的工程习惯。

从安装到自动化工作流：覆盖核心工具、Git 工作流、Hooks、MCP 服务器、Agent 子代理、Plan 模式的 20 天 Claude Code 学习路线图。

从零开始：安装 CLI / VS Code 扩展 / Desktop App，完成 OAuth 认证，理解工具调用与权限确认机制，完成第一次 AI 辅助编程体验。