← 回總覽

AI 課程線 — 逐日教材品質標準

適用於 curriculum/ai/phase-*.md 的所有逐日教材任務。這份文件是 acceptance 的一部分,不是建議。

注意:這條課程線不適用 curriculum/content-standard.md(Backend 課程線的標準)。Backend 課程要求「自己把內容寫完整,不能把知識傳遞外包給外部資料」;AI 課程線剛好相反:內容本身交給外部主線課程(見 00-master-curriculum.md 第 3、17 節),逐日教材負責的是學習指引 + 過關標準。兩份標準只有「依據可追溯性」「腳注寫法」「build 後才算交付」這三條是共通的(見本文最後)。

每天必須有的 7 個區塊

## Day N — <主題>

### 今天要回答的問題
一句話。今天學完要能回答什麼。

### 主教材(Core)
- <資源名稱> — <具體章節 / unit / 頁面標題>,連結:<URL>,預估 <X> 分鐘
  (必須具體到章節或頁面,不能只寫「讀 vLLM 文件」)

### 搭配(Companion,選讀)
- <資源> — <章節>,<為什麼今天搭配它>

### 讀的時候抓這幾個重點
3–5 點,每點 2–4 句完整句子,自己寫的導讀:這個概念是什麼、為什麼重要、
最容易誤會的地方。目的是讓讀主教材時知道要抓什麼,不是取代主教材。

### 書面產出
讀完之後要動手寫的東西,三選一或組合:回答哪幾個具體問題、填完哪張對照表的哪幾欄、
畫出哪一張圖(資料流、架構、決策樹)。寫清楚表的欄位或圖要包含哪些元素。
不要求讀者執行任何程式。

### 過關標準
- 必須能用自己的話回答的 2–4 個問題
- 今天要留下的書面產出(筆記 / 表 / 圖),要能事後檢查有沒有做到

### Deep Dive(選讀)
有餘力時往下挖的方向,標明屬於 Deep Dive 層級。沒有就省略這個區塊。

跟 Backend 課程重疊的日子(對照表見 00-master-curriculum.md 第 4 節),在「讀的時候抓這幾個重點」最前面加一段:連到 Backend 課程對應那一天的頁面,寫一句「這部分已在 Backend Day N 講過,今天的新角度是 X」,然後只寫新角度,不重寫已經講過的內容。

每天的量

資源引用規則

過關標準必須可檢查

跟 Backend 課程同一個精神:不能是「想一想 XXX」「了解一下 YYY」。要嘛是一個具體問題的書面回答,要嘛是一張填完的表,要嘛是一張圖。不能是「跑出 XXX」「執行後看到 XXX」這類要讀者實際執行程式才能檢查的項目。

過關標準的檢驗

可檢查只是第一關。這條課程線的目標是「會使用+知道運作邏輯與流程」,求職定位是 AI Engineer / AI Application Engineer,不是 ML Engineer 或 Research(見 00-master-curriculum.md 第 1 節)。所以每一條過關標準還要回答:讀者答不出來,在 AI Engineer 的工作上會在哪裡卡住? 答得出來才留下。

判斷準則

每一條過關標準(包括「產出」那一條列出的內容)都要通過下面兩題:

  1. 對得到一個工作情境。 只有四種:
工作情境長什麼樣子
選型看到需求要選哪一種 model、架構、指標或 threshold,並說得出理由
成本與延遲知道 token 數、資料量、model 大小變大時,哪裡會變慢、變貴、吃更多記憶體
debug 輸出看到一個怪的輸出、一條 loss 曲線或一組評估數字,知道先懷疑什麼
向同事說明用白話講清楚某個東西在流程裡做什麼、為什麼要有它(面試題也算這一類)

對不到任何一種,就刪除。

  1. 問的是「為什麼/代表什麼/會怎樣」,不是「叫什麼/幾維/哪一行」。 前者是運作邏輯,換一個框架、換一個版本還成立;後者是實作細節,查文件就有,而且只有自己寫 model 或寫那支程式的人才需要背。問到實作細節的,改寫成它背後的動作或後果;改寫不出工作情境的,刪除。

書面產出裡的手算、shape 推導可以保留,當成建立直覺的練習;但過關標準檢查的是從練習推出來的結論,不是練習本身的數字格式。「產出」那一條只寫要留下哪幾題的回答、哪張表、哪張圖,不寫「標出 shape」「寫出函式名稱」這類條件。

降級或刪除的反例

類型反例為什麼不行改成
檔名「能說明 rag_min.py 每一段在做什麼」綁的是教材作者的範例檔,換一個專案就不成立「一個 RAG 流程從問題到回答經過哪幾步?每一步錯了,輸出會長什麼樣子?」(debug 輸出)
參數名「response_mode="no_text" 會回傳什麼」「loss.backward() 和 optimizer.step() 各做了什麼」是某個框架的 API 名稱,版本一換就變;答得出來不代表懂流程「一步 training 由哪幾個動作組成?框架幫你自動做掉了哪幾段?」(向同事說明)
shape 運算「nn.Embedding(50, 8) 輸入 (B, T),輸出 shape 是什麼」「資料流每一步的 tensor shape 是什麼」是寫 model 的人要對的帳;AI Engineer 不會在工作上推 tensor 維度「prompt 變成 2 倍長,attention 權重表的格子數變幾倍?這對長 prompt 的成本代表什麼?」(成本與延遲)
程式碼行「為什麼是減去 lr * grad,不是加上」「為什麼 inference 要包在 torch.no_grad() 裡」問的是某一行怎麼寫,不是那一行造成什麼結果「inference 為什麼不需要追蹤 gradient?少做這件事帶來什麼好處?」(成本與延遲)

讀者自己的筆記檔(例如 phase01/D01-TERMS.md)是產出放在哪裡,不算「檔名」反例;反例指的是程式檔、範例檔的名稱。

保留的正例

過關標準對應的工作情境
「threshold 從 0.5 調到 0.9,FP、FN、precision、recall 各往哪個方向變?為什麼?」選型:替分類器或 guardrail 決定 threshold
「做『文章分類』『寫續集』『中翻英』各該選哪一類架構?為什麼?」選型:encoder / decoder / seq2seq
「Tokenization 為什麼影響成本?」成本與延遲:費用和延遲依 token 數計算
「為什麼不能只看 training loss 判斷 model 好不好?」debug 輸出:看到漂亮的數字先問是在哪份資料上量的
「training 和 inference 各需要哪些資料?哪一個需要 label?」向同事說明:model 在 inference 時不會學習

改寫時維持「可事後檢查」:改寫後的標準一樣要指得出是哪幾題的回答、哪張表、哪張圖。合格的標準不要為了有 diff 而改。

不寫要讀者執行的程式

這條課程線偏閱讀、偏觀念(2026-10-18 決定):讀者不需要實際執行程式。

Project 設計文件

Phase 05、07、08、10 的收尾 Project 1–4 是架構設計文件,不寫程式。每份至少包含:

  1. 架構圖:從輸入到輸出的每一層,以及層與層之間傳什麼
  2. 每一層的選型理由:選了什麼、還考慮過什麼、為什麼不選
  3. Trade-off:這個設計在品質、延遲、成本、維運上犧牲了什麼
  4. 評估方式:要用什麼指標、什麼資料判斷這個設計是好是壞,以及怎麼發現退步

各 Project 額外要涵蓋的項目見 00-master-curriculum.md 第 16 節。

跟 Backend 課程共通的三條規則

  1. 依據可追溯性與腳注:引用內部規劃文件一律用 [^N] 腳注,每個 Day 獨立編號,.md 檔名不得出現在內文或標題裡。規則同 curriculum/content-standard.md 對應章節。
  2. 外部資源直接用 Markdown 連結,不用腳注。
  3. build 後才算交付:改完 markdown 要重跑網站產生器,讓 AI 課程線的頁面反映最新內容,跟 markdown 一起 commit。

自我檢查

讀者照這一天的指引走,2 小時內能不能知道要讀什麼、寫什麼、寫完怎麼確認自己懂了?

答不出來就是指引太模糊,要補完再交出。