全部笔记
按时间倒序。内容为学习过程中的记录，可能存在错误与过时信息。
Python 依赖隔离：venv、pip 与 uv
为什么不要在系统 Python 里装包，venv 在 Windows 和 Linux 上激活方式不同，以及 uv 快在哪。
Node 版本管理：nvm、fnm 与 .nvmrc
同时维护三个项目就要三个 Node 版本。说清 nvm / nvm-windows / fnm 的区别，以及全局包不跟着切换这个常见坑。
在 Linux 上装 DeepSeek Harness：两个坑
镜像源同步不全导致 ETARGET，以及 npm 的 latest 标签指向旧版本，两个问题叠在一起会让人怀疑人生。
Linux 上中文界面为什么"难看"：字体与字重梯度
同一个页面在 Windows 上看着还行，在服务器上截图就垮了。原因不是设计，是系统里只有文泉驿和一个点阵字体。
用 git worktree 同时处理两条分支
改到一半要紧急修 bug，又不想 stash。worktree 让同一份仓库在多个目录里各检出不同分支，共享对象库。
多人系统的"刷新"：为什么选 SSE 而不是 WebSocket
需求是"服务器告诉浏览器数据变了"，单向、低频、不需要双向通信。这种场景 SSE 比 WebSocket 简单一个数量级，但有几个坑必须避开。
token、上下文窗口，以及模型为什么会"忘掉中间"
上下文窗口不是"能记住多少字"，而是单次请求的 token 总量上限。关键信息放在长文档中间，效果会明显变差。
温度和 top-p：采样参数到底在调什么
模型输出的是一堆概率，temperature 缩放这些概率的陡峭程度，top-p 决定从哪个范围内抽。两者都会改变随机性，别同时大调。
《Attention Is All You Need》要点梳理
2017 年 Vaswani 等人的这篇论文提出了 Transformer：把循环结构整个去掉，只留注意力。现代大模型的结构基本都从这里出发。
Caddy 配了 admin off 之后，systemctl reload 会失败
改了 Caddyfile 执行 reload 报错，配置明明通过了验证。原因是 reload 走的是 admin API，而 admin 被关掉了。
LoRA：冻结原权重，只训练一小块
2021 年 Hu 等人提出的低秩适配。核心是把权重更新分解成两个小矩阵的乘积，参数量能降到千分之几，推理时还能合并回原权重。
结构化提示：把要求写成分层清单
提示词写不清楚，大部分时候不是"模型笨"，而是把背景、任务、约束、输出格式混成了一段话。分层写能显著减少来回。
让模型稳定输出 JSON 的几个层次
从"在提示里求它"到"在解码时约束它"，可靠性差别很大。按需求强度选合适的层次，不要一上来就上最重的方案。
用 CSS 变量搭一层设计 token
一个界面里出现 200 种 px 值、46 种字号，基本等于没有设计系统。token 层的价值是把"决定"集中到一处，改版时只改一处。
三个断点就够了
不必为每个设备写一套媒体查询。按"布局什么时候撑不住"设断点，通常三个就够，其余交给 auto-fit 和 minmax。
SQLite 的 WAL 模式与并发写
默认日志模式下读写互斥，WAL 让读不阻塞写、写不阻塞读。但"只有一个写者"这条限制始终存在，它决定了 SQLite 适合什么规模。
用 systemd 托管一个 Node 服务
别用 pm2 或 nohup 起长期服务。systemd 是系统自带、开机自启、日志统一、崩溃自动重启，而且不需要额外装东西。
Caddy 自动 HTTPS 是怎么工作的
写上域名就自动签证书，省掉 certbot 那一套。但自动不等于无条件：域名解析、80/443 可达、CDN 代理，三处任一不通都会签不下来。
我的 AI 入门阅读清单
五本真正读过（或反复查过）的书，标注了哪些适合通读、哪些只当工具书用。不凑数。
常用文档与站点收藏
平时反复打开的官方文档入口，按用途分类。优先找官方文档，别把二手教程当唯一依据。
进阶阶段怎么读论文和课程
入门之后瓶颈不是"读得少"，而是"读了记不住"。三遍读法 + 只跟一个方向的更新，比刷完一百篇有用。
常用工具与社区入口
模型调试、数据处理、环境管理三类工具的官方入口，以及值得长期跟的几个信息源。