01 / 关于
关于我
人工智能专业大二学生，正在学习如何把模型能力变成稳定、可复用的流程， 也在练习如何把复杂问题讲清楚。
简介
我在哪里，想做什么
王子由，网名 zrmaixin，现就读于人工智能专业二年级。当前精力集中在两件事上： 补齐机器学习与深度学习的基础（线性代数、概率统计、优化方法）， 以及把大模型能力落到可复用的工程链路上。 相比单点跑分，我对「一个模型或工具如何被稳定地嵌进实际流程」更感兴趣。
技术上以 Python 和 Node.js 为主， 网页端使用原生 HTML / CSS / JavaScript，不依赖框架与构建步骤。 本机维护着一套 MCP（Model Context Protocol）工具链，把文件检索、个人知识库、 邮件与在线文档接入同一个工作区，让资料的「查找—整理—产出」不必在多个界面之间反复切换。
处理问题时我遵循三条约束：结论先行，先给判断再给论据； 标注不确定，不靠流畅的措辞掩盖空白； 并行验证，条件允许时让多个智能体从不同假设出发独立推演，再收敛成一致结论。
写东西偏结构化：框架图负责说明关系，清单负责说明动作，两者都不省。 这个站点按同一标准写成——只放可以核实的描述，不放无法验证的量化成绩。
- 大二 在读年级
- 人工智能 专业方向
- MCP 工作流形态
路径
学习路径
-
起点
从 Python 开始
最早是为了解决重复劳动去写脚本：批量改文件、整理表格、抓取资料。 代码能跑起来、能省下时间，是让我持续学下去的直接反馈。
-
基础期
补数学与编程底子
随着课程深入，开始系统学习线性代数、概率统计与优化方法， 并练习把公式和代码对应起来，而不是只记结论。
-
实践期
把大模型接进流程
从单独调用模型，过渡到用 MCP 把文件检索、知识库与文档处理编排成工作流， 重点关注稳定性、可追溯和失败时的降级方案。
-
现在
把方法固定下来
用结论先行、标注不确定、并行验证三条约束检查自己的输出， 并把有效的做法沉淀成模板和清单。
原则
我如何做事
结论先行
先给出判断和结果，再补论据与过程。读者可以随时停下， 也能快速判断这个结论是否值得继续看。
标注不确定
知道就说知道，不确定就说明不确定。宁可留下一个明确的空白， 也不用流畅的措辞掩盖没有验证的部分。
并行验证
条件允许时，让多个智能体从不同假设出发独立推演， 再对照结果收敛。分歧本身就是需要继续查的信号。
日常
课堂之外
阅读
主要的输入方式。偏好结构清晰、能直接改变做事方法的内容， 读完会顺手整理成笔记或清单。
羽毛球
用来切换状态。比起技巧，更享受来回多拍时的专注和节奏感。
编程
把想法做成能跑的东西。小工具、静态站点、自动化脚本都算， 完成比完美更重要。
游戏
放松，也观察系统设计。会留意规则、反馈和难度曲线是怎么被安排出来的。