Appearance
附录
附录 X：信源等级说明
本文档对脚注采用四级信源等级标记，帮助你快速评估信息可信度。
等级定义
| 等级 | 标记 | 类型 | 说明 |
|---|---|---|---|
| L1 | 🔬 | 原始来源 | 学术论文、官方公告、一手数据、RFC 文档 |
| L2 | 📰 | 权威二手 | 权威媒体报道、研究机构报告、官方博客 |
| L3 | 📝 | 行业声音 | 行业媒体、知名技术博主、专业社区讨论 |
| L4 | 💬 | 一般参考 | 个人博客、社交媒体、论坛讨论 |
脚注格式
每个脚注采用以下格式：
text
[^编号]: emoji 等级 | 来源说明示例：
markdown
[^1]: 🔬 L1 | Language Models are Few-Shot Learners (GPT-3 论文, arXiv:2005.14165)
[^2]: 📰 L2 | METR 2025 AI 效率研究 - 随机对照实验报告
[^3]: 📝 L3 | Simon Willison's Weblog - Vibe Coding 分析文章
[^4]: 💬 L4 | Hacker News 社区讨论使用建议
| 场景 | 建议 |
|---|---|
| 做重要决策 | 优先参考 L1/L2 来源，查阅原文 |
| 了解趋势 | L3 来源有价值，但需交叉验证 |
| 获取灵感 | L4 来源可参考，注意可能存在偏见 |
| 引用转述 | 尽量追溯到 L1/L2 原始来源 |
等级判定标准
L1 — 原始来源：
- 学术期刊论文（经过同行评审）
- 公司官方公告、产品文档
- 官方统计数据、报告
L2 — 权威二手来源：
- 主流科技媒体深度报道（NYT、WSJ 等）
- 研究机构报告（METR、Stanford 等）
- 公司官方工程博客
L3 — 行业声音：
- 知名技术博主（Simon Willison、喵神等）
- 行业垂直媒体（LeadDev、The Hacker News 等）
- 高质量技术社区讨论
L4 — 一般参考：
- 个人博客、Medium 文章
- Twitter/X 帖子
- 一般论坛讨论
附录 A：TODO 清单汇总
按 Part 分类，方便逐个准备
Part 2: AI 编程简史与核心概念
| 素材 | 状态 | 备注 |
|---|---|---|
| Token 可视化演示 | ⬜ | Tiktokenizer |
| 不同量级 Token 的体感对比图 | ⬜ | 100/1K/10K/200K tokens |
| 不同模型 Context 大小对比图 | ⬜ | GPT-3 → Claude 3 的演进 |
| Function Call 工作原理示意图 | ⬜ | |
| MCP 架构图 | ⬜ | |
| ChatGPT 用户增长曲线图 | ⬜ | 5 天 100 万，2 个月 1 亿 |
| Mata v. Avianca 案新闻截图 | ⬜ | 律师幻觉案例 |
| RLHF 训练流程示意图 | ⬜ | |
| Google Bard 首次演示幻觉截图 | ⬜ |
Part 3: 我的踩坑故事
| 素材 | 状态 | 备注 |
|---|---|---|
| 三个阶段代码量/commit 数对比 | ⬜ | HA 项目 |
| 「失控代码」截图示例 | ⬜ | |
| PR conversation/commit/代码行数变化 | ⬜ | 1400 行 → 重构后 |
| 重构前后代码对比 | ⬜ |
Part 4: 正确使用 AI 编程
| 素材 | 状态 | 备注 |
|---|---|---|
| 好的 CLAUDE.md 示例 | ⬜ | |
| 演示环境准备 | ⬜ | 时钟项目 |
| 备用演示视频 | ⬜ | 以防现场网络问题 |
| MCP 配置展示 | ⬜ | |
| writing-assistant Skill 效果 | ⬜ | |
| OpenSpec 工作流程 | ⬜ |
Part 5: 风险、陷阱与心智模型
| 素材 | 状态 | 备注 |
|---|---|---|
| Token 使用统计截图 | ⬜ | 对比高效/低效模式 |
| 「AI 帮我跳过了什么」清单示例 | ⬜ | |
| 团队层面的成本预估 | ⬜ | |
| Context Rot 研究图表 | ⬜ |
Part 6: 团队采用建议 + Q&A
| 素材 | 状态 | 备注 |
|---|---|---|
| OCaml 13K PR 截图 | ⬜ | GitHub PR 页面 |
| 团队共享的「入门清单」 | ⬜ | |
| Q&A 详细回答备用 | ⬜ |
内容补充类（可选）
| 内容 | 优先级 | 备注 |
|---|---|---|
| 物联网开发中的「纯粹」vs「不纯粹」场景 | 中 | 结合团队实际 |
| 针对物联网开发的「技能退化」场景 | 中 | |
| 公司层面的 Token 成本预估 | 高 | 领导可能会问 |
| 关于 RAG 的简单介绍 | 低 | 如果时间允许 |
| 推理模型的更详细对比 | 低 |
附录 B：核心概念速查表
分享时可以打印出来，方便听众对照
| 概念 | 英文 | 一句话解释 | 首次出现 |
|---|---|---|---|
| 大语言模型 | LLM | 基于 Transformer 的大规模语言模型 | Part 2.1 |
| 词元 | Token | 模型的计费和理解单位 | Part 2.1 |
| 上下文窗口 | Context Window | 模型一次能「看到」的文字量上限 | Part 2.1 |
| 幻觉 | Hallucination | 模型生成看似合理但错误的内容 | Part 2.3 |
| RLHF | Reinforcement Learning from Human Feedback | 用人类偏好训练模型 | Part 2.3 |
| 多模态 | Multimodal | 能处理文字、图片等多种输入 | Part 2.4 |
| Function Call | Function Calling | 模型调用外部工具的能力 | Part 2.4 |
| AI Agent | AI Agent | 具有自主规划和执行能力的 AI 系统 | Part 2.5 |
| Vibe Coding | Vibe Coding | 凭感觉让 AI 写代码，不深入理解 | Part 2.5 |
| Context Engineering | Context Engineering | 设计和优化 AI 输入的方法论 | Part 2.5 |
| MCP | Model Context Protocol | AI 连接外部工具的开放标准 | Part 2.5 |
附录 C：参考资料分类
官方文档（最权威）
| 资源 | 说明 |
|---|---|
| Claude Code Best Practices | Anthropic 官方最佳实践 |
| Claude Code Docs | 官方文档 |
| Context Engineering for AI Agents | Context 设计指南 |
| OpenAI API Docs | OpenAI 官方文档 |
学术研究（有数据支撑）
| 资源 | 说明 |
|---|---|
| METR 2025 研究 | AI 对开发者效率的实证研究 |
| GPT-3 论文 | Few-shot Learning 原始论文 |
| InstructGPT 论文 | RLHF 技术详解 |
| Chain-of-Thought 论文 | 思维链提示技术 |
企业实践（可借鉴）
| 资源 | 说明 |
|---|---|
| Oxide RFD 576 | 企业级 LLM 使用策略 |
| Pete Hodgson: Leading Engineers Towards AI | 团队采用策略 |
| Jellyfish: AI Coding Tool Adoption | 工具采用最佳实践 |
中文资源（推荐给同事）
| 资源 | 说明 |
|---|---|
| 如何避免在 AI 时代技能退化 | 宝玉翻译，技能退化警示 |
| 一个半月高强度 Claude Code 使用后感受 | 喵神实战经验 |
案例警示（反面教材）
| 资源 | 说明 |
|---|---|
| OCaml 13K PR 事件 | AI 生成代码的典型反面案例 |
| Lovable 安全漏洞 | Vibe Coding 的安全风险 |
| Mata v. Avianca 案 | AI 幻觉的法律后果 |