TRACK / 01
AI 工程实践
从多模态输入到模型调度的完整链路。关注的是怎么用工作流和插件把系统拼起来， 而不是一上来就训练模型——能跑的简单方案，胜过跑不动的完美方案。
LEARNING LOG / 2026
学过的要留下，
留下的要能再用
这里是我的学习账本。记录 AI 工程的实践、英语的练习、以及怎么把读到的变成能用的东西。 不追热点，只写自己跑通过、踩过坑、真正想明白的部分。
在学什么
三条线，同时推进
工程、语言、阅读，看起来不相关，但用的其实是同一种能力：把复杂的东西拆到可以动手的程度。
TRACK / 02
英语
备考过程中最有效的一件事，是每天写一到两句真实的英文工作日志。 写自己有话可说的内容，改起来才有痛感，也才记得住。
TRACK / 03
阅读与写作
用卡片笔记法整理读过的内容：一段只取一个想法，合上书用自己的话重写， 再把它连到已有的卡片上。写不出来，就说明还没读懂。
笔记
最近的记录
按时间倒序。多数是给自己的复盘，少数整理得比较完整。
2026-10-26
为什么我没有微调模型，而是先做路由规则
微调的代价不在训练，而在数据标注和版本回滚。规则能覆盖 80% 的流量，迭代速度快一个量级。
2026-10-19
Dify 工作流里三个容易踩的坑
变量作用域只在节点内有效、循环节点的并发上限会拖慢整条链路、超时设置要写在插件侧而不是工作流侧。
2026-10-11
卡片笔记实践两个月，我删掉了一半的卡片
被删的都是摘抄原文的卡。留下来的共同点：都是用自己的话重写过、并且至少连了两张旧卡的。数量确实不等于价值。
2026-09-28
雅思写作：从句不是越多越好
连续套三个定语从句，分数不会更高，只会更难读。真正提分的是把一件事说清楚的主句，加一到两个精确的修饰。
2026-09-15
把每天的英文日志当成代码提交
写完立刻改，改完立刻记下错在哪。和提交代码一样，小步、可回看、有记录，比攒一周集中写有用得多。
2026-09-02
多模态输入的归一化，比模型选择更重要
同一批图片在不同分辨率、不同色彩空间下，路由结果的差异比换个模型还大。先把输入统一，再谈换谁来做判断。
怎么学
我自己在执行的几条规矩
方法本身不新鲜，难的是不加例外地执行。
01
先让东西跑起来，再谈架构
能用一个工作流串通，就先串通；能写死规则解决，就先写死。 跑通之后才知道瓶颈在哪，提前设计的抽象大多是错的。
02
每天一到两句英文，写完立刻改
不求长，只求是真实想说的内容。改的时候标出错误类型——冠词、时态、搭配， 同一类错连续出现三次，就单独整理进复习清单。
03
读到的必须用自己的话写一遍
合上书凭记忆写，写不出来就是没读懂。这一步不做，读书笔记只会变成 一份看起来很勤奋的摘抄集。
04
记录踩过的坑，不只记结论
结论会过时，坑的形状不会。写下当时为什么那样选、后来为什么发现不对， 半年后回看才有价值。
关于
这是一个人的学习账本
我是 Fisher，在职程序员。日常工作大部分时间花在把 AI 能力接进真实业务里—— 多模态输入怎么路由、工作流怎么编排、插件怎么和既有系统对接。
业余在准备雅思，同时坚持用卡片笔记法读书。这个站不为流量，也不做教程， 只是把学过的东西留个痕迹，顺便逼自己写清楚。
如果某一条笔记正好对你有用，那挺好；如果发现哪里写错了，欢迎指出来。