大量工程师现在面临同一个问题：知道 AI 是趋势，但不知道从哪学起。
市面上的内容要么是论文，要么是"30 分钟速成"。真正能让人上手干活的系统性资料，几乎没有。
这个问题我自己也经历过。我是一个前端出身的全栈工程师，主技术栈 Node.js + TypeScript，去年开始全力转型 AI Agent 工程和 LLM Infra。边学边踩坑，然后把这个过程整理成书。
今天，InferLoop 正式上线了。
InferLoop 是什么
一个工程师写给工程师的 AI 学习书架。
目前上线 9 本书，覆盖从 LLM 推理底层到 Agent 系统设计的完整工程链路：
LLM Infra 方向
- Transformer 工程实战 — 不从数学公式入手，从工程视角讲 Attention、位置编码、KV Cache 怎么实现
- LLM Infra 工程实战 — GPU 基础、推理引擎、量化、微调、分布式训练、生产部署，系统性过一遍
Agent 工程方向
- Hermes Agent 源码解读 — 拆解一个真实 Agent 框架的架构设计（已完成）
- OpenClaw 源码解析 — 现代 Agent 系统的架构设计与工程实践
- 自己动手写 AI Agent — 从零写一个 Agent，搞懂执行引擎、记忆、工具调用怎么工作
Claude 生态方向
- Claude Code Skill 开发指南 — 给 Claude Code 写自定义 Skill 的完整工程指南
- Claude 插件官方指南 — Claude 插件体系的工程实践
工程基建方向
- AI 时代的 CLI 工具开发实战 — 用 AI 时代的方式写 CLI，repox 项目全程拆解
- Agent Memory 工程实战 — Agent 记忆系统的设计与实现
全部免费阅读，不用注册。
为什么做这件事
写书是最笨的方法，但对我来说效果最好。
你没办法在没搞懂一个东西的情况下把它写清楚。每一章都是一次自我强迫——必须真正理解，才能写出来。
市面上有很多速成教程，但我发现自己学完还是什么都做不了。真正能上手的能力，需要系统性的知识结构，而不是散点式的信息轰炸。
InferLoop 的每本书都有一个基本要求：读完能上手干活。不是"感觉学了很多"，是真的能开始动手。
目标读者
有编程基础的工程师，想深入 AI 工程方向，但卡在"不知道从哪里系统学"这个问题上。
不需要机器学习背景，不需要读过论文。需要的是工程直觉和愿意深入细节的耐心。
接下来
书架会持续更新。每本书都在写，不是半成品堆在那里。
书写的过程中我会在公众号同步进展和核心章节，有想法也欢迎来聊。
网站：inferloop.dev
InferLoop — infer（推理）+ loop（循环）。AI 时代，持续学习、持续深入、持续迭代。Loop to the top.
