技能全景图
全栈开发
Web 前端、桌面端与 Node.js 后端一体化开发
JavaScript / TypeScript 全栈技术掌握,React 前端生态,Node.js 轻量级后端服务,Electron 桌面端开发
AI Model
从机器学习到 LLM 与多模态的 AI 模型技术全景
机器学习基础理论,大语言模型架构与训练,多模态模型,对齐强化学习,芯片算力与推理部署
AI Agent
构建智能体驱动的下一代应用
AI 提示词工程,大模型 API 接入,MCP 协议开发,RAG 知识库,Agent 工作流编排
金融科技
用计算机技术与数学模型系统化理解金融市场
聚焦量化投资全链路:金融市场认知 → 分析方法 → Alpha 策略研发 → 回测评估 → 交易执行与风控
底层逻辑
原则 · 思考 · 个人 · 他人 · 社会
⚛️全栈开发
Web 前端、桌面端与 Node.js 后端一体化开发
核心能力
- 类型系统驱动开发,以 TypeScript 为核心构建可靠应用
- React 技术栈,Hooks 模式与状态管理方案实践
- UI 工程化,基于 Tailwind CSS 与组件库快速构建界面
- Electron 桌面端,跨平台桌面应用开发与原生能力集成
- Node.js 服务,Express/Hono 快速构建轻量级 RESTful API
技术栈
🧠AI Model
从机器学习到 LLM 与多模态的 AI 模型技术全景
核心能力
- 机器学习基础:ML 核心概念、精度/召回/F1 评估指标、模型参数与超参数、词嵌入与迁移学习、训练/验证/测试拆分,配套 GPU 算力认知
- 监督学习:预测问题(回归)与分类问题,理解损失函数、特征工程与模型选择
- 非监督学习:聚类问题与降维问题,掌握 K-Means、DBSCAN、E-M、PCA 等经典算法的原理与适用场景
- 深度学习:CNN、RNN 等神经网络架构基础,理解前馈、卷积、循环等核心计算范式
- 强化学习:RL 原理与实践,Reward Model 设计,进而落地 RLHF 等大模型对齐方法
- LLM 与多模态:LLM 基础、Transformer 自注意力机制、位置编码、视觉-语言跨模态融合
技术栈
🤖AI Agent
构建智能体驱动的下一代应用
核心能力
- 提示词工程:高质量 Prompt 设计与优化策略
- 大模型 API:主流大模型 API 接入与封装
- MCP 协议开发:Model Context Protocol 服务开发
- RAG 知识库:向量检索与知识库构建
- Agent 工作流:多 Agent 协作与任务编排
- AI 编程助手:Claude Code 等 AI 工具深度使用
书籍与技术栈
《AI Agent》
Agent 核心原理与实战
本书系统搭建 Agent 的完整知识与工程体系。从 LLM 基础(Transformer / Prompt / Fine-tuning / RAG),到 Function Calling / MCP 工具扩展,再深入 Agent Loop / Multi-Agent 核心原理,探索 Context / Skill / Harness 落地工程化体系,以及 ClaudeCode / OpenCode / OpenClaw 背后原理。
点击查看 →💵金融科技
用计算机技术与数学模型系统化理解金融市场
知识体系
- 金融市场认知:理解市场结构与交易机制,掌握股票、期货、基金等金融工具的本质
- 金融分析方法:基本面分析(宏观/行业/公司财务)+ 技术面分析(K线/均线/MACD/RSI)
- Alpha 策略研发:理论驱动型(趋势跟踪、均值回复、因子选股)与数据驱动型(统计套利、机器学习)
- 策略回测评估:历史回测、绩效归因(夏普/卡尔玛/最大回撤)、参数优化与过拟合防范
- 交易执行与风控:交易成本模型、仓位管理、止盈止损规则、风险预算与 VaR 控制
书籍与技术栈
《量化投资》
AI 金融量化与策略实战
本书系统搭建 AI 金融量化的完整研究体系。从金融市场基础与股票交易机制出发,到基本面与技术面分析,再深入量化投资框架(Alpha / 风险 / 组合 / 执行四大模型),以 IPython / NumPy / Pandas / Matplotlib / Tushare 搭建数据工具链,最终在双均线、因子选股、均值回归等策略中落地回测与风控实践。
点击查看 →