更新日志

约 6597 字大约 22 分钟

记录每次版本更新的内容变化，帮助您快速了解最新动态

📊 统计概览

统计项目	数量	说明
📦 版本总数	35	从v1.0.0到v1.0.35
📚 文档总数	162	涵盖多个技术和学科领域
🎯 主要板块	4	人工智能、AI实验室、具身智能、论文
📅 更新周期	持续	2025年2月至今

核心板块：

人工智能：导论、搜索问题、对抗性搜索（博弈）、约束满足问题、知识推理、规划问题、机器学习、神经网络、思维链技术
AI实验室：八皇后问题、手写数字识别、MCP协议、RAG系统、从零构建大模型
具身智能：控制、感知、机器人软件、机器人编程、深度学习与强化学习课程记录
论文：经典论文、前沿研究

2026-07-26 | v1.0.35

对话流式体验与身份隐私增强

前端增量渲染：新增独立流式消息组件，SSE 首段到达后立即显示，不再等完整回复结束后一次性刷新
流式状态：首 Token 前显示等待动画，生成过程中显示流式光标，完成或中止后自动结束流式状态
身份隐私：对话助手只呈现“小狍子皮皮奇”与站内 AI 学习伙伴身份，不披露或确认底层模型、供应商和版本
输出兜底：服务端按配置过滤模型名、供应商前缀及其常见分隔符变体，跨 SSE 分片也不会直接透传到页面
回归验证：新增延迟 SSE 分片浏览器测试，明确检查请求仍在生成时首段内容已经出现在页面中

2026-07-26 | v1.0.34

小狍子皮皮奇 AI 对话服务正式接入

真实流式对话：对话侧栏接入独立 FastAPI 服务，通过 SSE 按 meta → token → done/error 协议实时展示对话模型回复
短期会话记忆：使用 Deep Agents 进程内 checkpoint 保留当前会话上下文，默认 30 分钟过期；中止或失败的半轮回复不会进入后续上下文
稳定性保护：加入首 Token 与总超时、SSE 心跳、单会话互斥、全局并发限制、访问频率限制、请求 ID 和稳定错误码
交互完善：支持回车发送、Shift+Enter 换行、输入法选词保护、停止生成、新建对话、错误重试和安全 Markdown 渲染
响应式验证：补充桌面端与移动端 Playwright 测试，覆盖侧栏布局、长回复、代码块、表格、链接安全和横向溢出
生产部署：新增 systemd、Nginx SSE 代理、健康检查、版本目录、回滚和 CentOS 7 低内存兼容方案
能力边界：当前仍为纯对话服务，不包含 RAG、长期记忆、互联网搜索、文件访问、工具或子 Agent
文档同步：README、项目指南和内容统计更新到当前双应用仓库状态

2026-07-25 | v1.0.33

小狍子皮皮奇对话侧栏

对话入口：在小狍子皮皮奇的动作菜单中增加“和我对话”，点击后从右侧打开独立对话栏
角色联动：对话时隐藏原位置的小狍子皮皮奇，改为趴在侧栏边缘探头
原型回复：当前任何问题都会返回友好的开发中提示，不发起网络请求
后续规划：界面为未来本地大模型、Agent 与 RAG 能力预留消息和引用展示空间，本版未进入后端实现

2026-07-24 | v1.0.32

全站新增小狍子皮皮奇

全站接入：网站首页及各内容页面均可唤出小狍子皮皮奇，无需安装桌面程序
动作帧复用：复用小狍子皮皮奇的 23 张透明动作帧，包含待机、开心、对话、进食、睡觉、拖拽、探头和 16 帧行走动画
完整交互：支持点击回应、鼠标或触屏拖拽、动作菜单、随机走动，以及隐藏到右侧后点击探头恢复
状态持久化：使用浏览器本地存储记住位置、朝向、显示状态和随机走动设置
隐私边界：网页版本不包含 Codex 状态、系统进程、文件系统、终端或网络监听逻辑
适配与验证：完成桌面端和移动端截图及交互验证，并适配系统“减少动态效果”设置

2026-07-24 | v1.0.31

自动控制理论（1）- 拉普拉斯变换性质扩展

拉普拉斯变换：常用性质 - 系统整理线性、尺度变换、时域微积分、 $s$ 域微分、移位、卷积、初值/终值和周期函数性质
拉普拉斯变换：线性性质 - 新增信号线性组合图、完整推导、正反变换例题和控制系统叠加示例
拉普拉斯变换：时移性质 - 新增原信号与延迟信号对照图，保留阶跃、斜坡和脉冲例题
拉普拉斯变换：频移性质 - 新增指数包络与复频域极点平移图，以及正变换、反变换和极点例题
课程导航：按照“常用性质总览 → 线性 → 时移 → 频移”组织侧边栏
首页导航：人工智能、AI实验室、具身智能与论文四个核心模块卡片均可直接进入对应板块

2026-07-24 | v1.0.30

具身智能 - 自动控制理论（1）

拉普拉斯变换：时移性质 - 整理拉普拉斯变换定义、常用性质、时移定理推导、典型例题与自测
重点辨析：区分 $e^{at}f(t)$ 引起的 $s$ 域平移与 $f(t-a)u(t-a)$ 表示的时间延迟
工程连接：说明纯延迟环节 $e^{-Ls}$ 的相位滞后及其对控制系统稳定裕度的影响
学习记录：同步更新自动控制理论（1）课程进度和具身智能学习日志

2026-07-24 | v1.0.29

新增具身智能学习模块

课程体系与学习路线 - 将 11 门课程整理为基础认知、控制与决策、感知与交互、软件与学习四条主线
学习日志 - 按时间记录学习行动、关键理解、验证证据、遗留问题和下一步
综合实践 - 使用递进项目连接控制、感知、软件与学习算法
学习记录模板 - 统一课前问题、核心概念、推导、实验、结果分析和复盘格式
课程页面：新增人工智能与机器人工程概论、机器人技术基础、自动控制理论（1）（2）、机器人控制技术、智能控制、智能感知技术、机器人感知与人机交互、机器人软件工程学、智能机器人编程基础、深度学习与强化学习
站点接入：新增顶部导航、课程侧边栏、首页入口和具身智能页面水印

2026-07-24 | v1.0.28

AI实验室 - AI入门学习路径重构

AI入门学习路径总览 - 按 2026 年 AI 岗位重新整理为三条主线：大模型 Agent 应用开发、AI Infra 与 LLMOps、大模型算法
AI Infra 与 LLMOps 学习路径 - 覆盖 GPU/Kubernetes 平台、vLLM/SGLang 推理服务、观测评测、成本治理、安全发布与 AgentOps
大模型 Agent 应用开发学习路径 - 补充 MCP、工具调用、工作流编排、Human-in-the-loop、Agent Eval、trace 观测和安全治理
大模型算法学习路径 - 补充推理模型、后训练、MoE、长上下文、RL/GRPO、分布式训练、论文复现和评测体系
更新资料口径：参考资料限定为 2025-07-24 至 2026-07-24 之间发布的报告、论文、技术新闻，以及 2026-07-24 访问的官方文档
导航更新：AI入门学习路径侧边栏新增 AI Infra 与 LLMOps 文章入口
构建维护：修正蒙特卡洛、语义网络、Prolog 语言与排名文档中的 TeX Unicode 警告，并更新 Browserslist 兼容性数据库

2026-07-24 | v1.0.27

论文板块扩展 - 新增推理模型、偏好对齐与推理结构专题

Reasoning Structure (2026) - 大模型推理结构与推理图评估
- 将非结构化推理轨迹转换成 claim 和依赖图
- 用结构指标补充最终答案正确率和 token 数
- 为推理模型失败诊断提供更细粒度的评估视角
DeepSeek-R1 (2025) - 强化学习激发大模型推理能力
- 解析 R1-Zero 与 R1 的多阶段训练路线
- 梳理冷启动、推理 RL、拒绝采样、通用对齐和蒸馏流程
- 说明强化学习如何诱导自我反思、验证和策略调整
DPO (2023) - 直接偏好优化与大模型后训练
- 将偏好学习简化为离线分类式训练目标
- 避免显式奖励模型和复杂 PPO 训练循环
- 作为后续偏好对齐方法的重要基线
HyDE (2022) - 零样本密集检索技术详解
- 假设文档嵌入核心思想
- 两步检索流程：生成假设文档 → 编码检索
- 适用于 RAG 系统、多语言检索等场景
论文导航更新：论文首页、顶部导航和论文侧边栏按年份补充 Reasoning Structure、DeepSeek-R1、DPO 等入口

2025-12-08 | v1.0.26

新增AI入门学习路径模块

AI工程应用学习路径：7个渐进式学习步骤，涵盖Python基础到MLOps实践
AI算法学习路径：5个学习阶段，从数学基础到高级算法专题
移除代码实现，专注于理论理解和学习资源
每个步骤包含视频课程、文章教程、推荐书籍
新增学习资源库，包含在线课程、技术文档、开源工具等
更新导航栏配置，新增学习路径模块

2025-12-02 | v1.0.25

论文板块扩展 - 新增四篇经典论文分析

论文分类优化：按年份排序，分为经典论文和前沿研究
配置文件更新：更新paper.ts和navbar.ts中的论文列表
论文首页重构：重新组织论文分类导航和最新论文列表

经典论文 - 新增四篇重要论文分析

BERT (2018) - 预训练Transformer语言模型
- 双向Transformer编码器和掩码语言模型
- 统一的预训练-微调范式
- 在11个NLP任务上达到SOTA
AlphaGo (2016) - 围棋人工智能里程碑
- 深度神经网络与蒙特卡洛树搜索结合
- 第一个击败人类职业围棋选手的AI
- 展示了深度强化学习的强大能力
Word2Vec (2013) - 词向量表示学习
- 高效的词向量学习算法（CBOW和Skip-gram）
- 将单词表示为低维连续向量
- 开创了预训练词向量的时代
GPT-2 (2019) - 大规模生成式语言模型
- 展示了大规模语言模型的零样本学习能力
- 在800万网页的40GB文本上预训练
- 生成文本的连贯性和多样性显著提升