Yunzenn

零基础复现Claude Code（八）：反思与展望——我们得到了什么，还缺什么？ 开篇：诚实的对照 第7篇的成就：我们给Agent装上了"搜索能力"——它能在整个项目中找到相关代码，不再需要你明确指定

零基础复现Claude Code（七）：上下文篇——让Agent看懂整个文件夹 开篇：从"单文件"到"项目级" 第6篇的成就：我们组装了完整的Mini Claude Code——一个能通过命令行使用、

零基础复现Claude Code（六）：整合篇——组装Mini Claude Code 开篇：从零件到整机 第5篇的成就：我们给Agent装上了"终端"——它能执行命令、跑测试、验证自己的工作了。 现

零基础复现Claude Code（五）：终端篇——赋予执行命令的超能力 开篇：从"能改"到"能验证" 第4篇的成就：我们给Agent装上了"双手"——它能真正读写文件了，不再是纸上谈兵。 但现在有个问

第02章：Transformer架构全景图——Encoder、Decoder与三种Attention的数据流 核心困惑 Transformer的整体架构是什么样的？Encoder和Decoder各自干

开篇：从"纸上谈兵"到"真刀真枪" 上一篇，我们实现了ReAct循环的骨架——Agent已经会"想"了。它能输出： 但这只是一段文本，文件并没有真的被读取。 第3篇的成就：我们实现了完整的ReAct循

第01章：为什么是Attention？——从RNN的梯度瓶颈到Self-Attention的常数量路径 核心困惑 为什么Transformer要完全抛弃RNN和CNN，仅仅依靠Attention机制？

开篇：人类解决问题的通用模式 想象你在玩一个密室逃脱游戏。 你走进房间，看到一张桌子、三把钥匙、一个上锁的箱子。你会怎么做？ 这就是人类解决问题的通用模式：观察（Observe）→ 思考（Think）

开篇：同样是调用API，为什么结果天差地别？ 你肯定用过ChatGPT或Claude的网页版，也可能调用过几次API。但你有没有想过一个问题： 同样是调用gpt-4模型，为什么： 你在ChatGPT网