赠君一法决狐疑，不用钻龟与祝蓍。
试玉要烧三日满，辨材须待七年期。
周公恐惧流言日，王莽谦恭未篡时。
向使当初身便死，一生真伪复谁知。
工具不是学习目标，但稳定的版本管理、AI 工作台、远程仓库和网络条件，是后续知识沉淀与工程实践能够持续发生的前提。
安装 Git，让每次学习修改都有历史、差异和恢复点。
准备 OpenCode，在终端、IDE 或桌面环境中与编码智能体协作。
本人注册 Gitee 账号，建立长期学习仓库并妥善保管凭据。
按所在地法律、组织制度与网络政策选择合规连接方式。
先理解思维如何从经验、确定性模型走向统计与不确定性管理，才能理解为什么 AI 工程需要数据、验证和持续迭代。
认知系统不是思维工具的清单，而是一套连续结构：先选择抽象层次，再从静态组成与动态过程认识事物，最后用多种思维模型交叉验证，并接受客观反馈。
原始数据加入上下文成为信息；信息经过假设、关系和模式提炼为知识；知识再经过分析、对比、演绎和决策，才转化为智慧。
意识让人主动追问规律；符号让经验跨越时空；科学方法把怀疑、实验与验证变成循环；模型带来精确预测；统计思维则帮助我们面对无法完整建模的复杂世界。
程序员真正需要的不是从头背完所有公式，而是理解符号系统，并围绕微积分、概率统计、线性代数与最优化，建立连接模型、数据和算法的知识骨架。
把抽象方法变成可照做的学习路径。新手先走通闭环，再回到证据中理解每个工程决策。
需求、设计、实现、质检与修复，模拟的是人类社会的专业分工。高质量沟通不依赖神秘咒语，而在于用自然语言说清意图、角色、流程、边界和验收标准。
工作记忆容量有限。把思维轨迹外化为文字，相当于给大脑增加可回溯的缓存；它让人腾出精力反思观点、接受他人校正，并借助语言继续生成新思想。
本页两张概念图均使用 qiaomu-info-card-designer：先提炼结论与因果链，再选择信息密度和视觉风格，生成 HTML，最后截图并做清晰度检查。
知识管理理论解决“为什么管理、管理什么”，大模型知识库进一步解决“如何低成本地持续摄入、组织、检索与维护”。
传统个人知识管理包含获取、筛选、提炼、组织与应用。LLM Wiki 将其编排为三层架构与三个动作：原始资料保持不可变，模型增量生成相互链接的 Wiki，用 Schema 约束结构；再通过摄入、查询与维护形成持续循环。
按知识类型检索原始交付物。它们不是并列文章，而是工程主线中不同阶段留下的可追溯证据。
从历史对话沉淀产品目标、用例和第一版升级需求。
把 PRD 压实为功能需求、安全矩阵、状态机和测试矩阵。
分层架构、兼容策略、错误码、工作包与回滚方案。
阻断项的根因、修复、生产路径证据和判定。
最后一轮质检、参数验证与残余边界处理。
签署口径、阻断项关闭、验证结果与交付清单。
把目标、纠偏、归档、部署和小白化拆成步骤。
按回合展示提示、AI 行动和产出结果。
长文提炼、视觉选择、HTML 生成、截图与校验的完整流程。
备忘、缓存、反思、交流与语言生成构成的思考循环。
27 张图重排为建模、活动、抽象、认知、动静分析与工具六组。
从数据、信息、知识到智慧，再落到学习框架与输出习惯。