diff --git a/README.md b/README.md
index 0d99b38..1792a14 100644
--- a/README.md
+++ b/README.md
@@ -1,205 +1,365 @@
-# 深度学习（DL/ML）学习路径
-
-最近几年，尤其是自从2016年Alpha Go打败李世石事件后，人工智能技术受到了各行业极大关注。其中以机器学习技术中深度学习最受瞩目。主要原因是这些技术在科研领域和工业界的应用效果非常好，大幅提升了算法效率、降低了成本。因而市场对相关技术有了如此大的需求。
-
-我在思考传统行业与这些新兴技术结合并转型的过程中，亦系统的回顾了深度学习及其相关技术。本文正是我在学习过程中所作的总结。我将按照我所理解的学习路径来呈现各部分内容，希望对你亦有帮助。欢迎一起交流。
-
-主要分为如下几个部分：
-* **数学基础**：包括微积分、线性代数、概率论等对理解机器学习算法有帮助的基本数学。
-* **Python**：`Python`提供了非常丰富的工具包，非常适合学习者实现算法，也可以作为工业环境完成项目。主流的深度学习框架，例如当前最流行的两个AI框架`TensorFlow`、`PyTorch`都以Python作为首选语言。此外，主流的在线课程（比如Andrew Ng在Coursera的深度学习系列课程）用Python作为练习项目的语言。在这部分，我将介绍包括Python语言基础和机器学习常用的几个Library，包括`Numpy`、`Pandas`、`matplotlib`、`Scikit-Learn`等。
-* **机器学习**：介绍主流的机器学习算法，比如线性回归、逻辑回归、神经网络、SVM、PCA、聚类算法等等。
-* **深度学习**：介绍原理和常见的模型（比如`CNN`、`RNN`、`LSTM`、`GAN`等）和深度学习的框架（`TensorFlow`、`Keras`、`PyTorch`）。
-* **强化学习**：介绍强化学习的简单原理和实例。
-* **实践项目**：这里将结合几个实际的项目来做比较完整的讲解。此外结合`Kaggle`、`阿里云天池`比赛来做讲解。
-* **阅读论文**：如果你追求更高和更深入的研究时，看深度学习各细分领域的论文是非常必要的。
-
-> 内容持续更新中，未完成的部分标识有TBD (To be done)。
-> 文中涉及的公式部分是用[CodeCogs](https://codecogs.com/latex/eqneditor.php)的在线LaTeX渲染，如果公式未正确加载，可以尝试多刷新几次。
-
-## 绪论
-[机器学习绪论](machine-learning/machine-learning-intro.md)一文中总结了机器学习领域和其解决的问题介绍，建议先读此文，以便有一个系统认知。
-
-## 数学基础
-微积分和线性代数的基础是必须要掌握的，不然对于理解学习算法的原理会有困难。如果已经有一定的数学基础，可以先跳过这一部分，需要的时候再回来补。这里的Notes是基于Coursera中Mathematics for Machine Learning专题做的总结。
- * [Calculus 微积分](math/calculus.md)
- * [Linear Algebra 线性代数](math/linear-algebra.md)
- * 概率论 (TBD)
- * [PCA 主成分分析](math/pca.md)
-
-## Python
-如果有比较好的Python和机器学习相关Library的知识，对于学习算法过程中的代码可以快速理解和调试，一方面节省时间，另一方面也可以更聚焦在算法和模型本身上。
- * [Python](python/python-basic)
- * [Pandas](python/pandas)
- * [NumPy](python/numpy)
- * [Matplotlib](python/Matplotlib)
- * [Scikit-Learn](python/Sklearn)
-
-## 机器学习算法
-主要基于Machine Learning (Coursera, Andrew Ng) 的课程内容。
-* [机器学习算法系列](machine-learning/README.md)
- * 内容参考包括：吴恩达Coursera系列、周志华《机器学习》、密西根大学Applied Machine Learning in Python
- * 每章节配套的[
Jupyter Notebook练习](https://github.com/loveunk/ml-ipynb) 参考网络内容修订
-* 目录结构：
- 1. [绪论](machine-learning/machine-learning-intro.md)
- 1. [线性回归](machine-learning/linear-regression.md)
- 1. [逻辑回归](machine-learning/logistic-regression.md)
- 1. [神经网络](machine-learning/neural-networks.md)
- 1. [打造实用的机器学习系统](machine-learning/advice-for-appying-and-system-design.md)
- 1. [支持向量机 SVM](machine-learning/svm.md)
- 1. [聚类算法](machine-learning/clustering.md)
- 1. [数据降维](machine-learning/dimension-reduction.md)
- 1. [异常检测](machine-learning/anomaly-detection.md)
- 1. [推荐系统](machine-learning/recommender-system.md)
- 1. [大规模机器学习](machine-learning/large-scale-machine-learning.md)
- 1. [应用案例照片文字识别](machine-learning/photo-ocr.md)
- 1. [总结](machine-learning/ssummary.md)
-
-## 深度学习
-### Deep Learning 专题课程
-主要基于Deep Learning (Coursera, Andrew Ng) 的专题课程 ，介绍深度学习的各种模型的原理。
-* [深度学习](deep-learning/README.md)
- 1. 深度学习基础
- - [深度学习基础](deep-learning/1.deep-learning-basic.md)
- 2. 深度神经网络调参和优化
- - [深度学习的实践层面](deep-learning/2.improving-deep-neural-networks-1.practical-aspects.md)
- - [深度学习优化算法](deep-learning/2.improving-deep-neural-networks-2.optimization-algorithms.md)
- - [超参数调试、批量正则化和程序框架](deep-learning/2.improving-deep-neural-networks-3.pyperparameter-tuning.md)
- 3. 深度学习的工程实践
- - [机器学习策略（1）](deep-learning/3.structuring-machine-learning-1.ml-strategy.md)
- - [机器学习策略（2）](deep-learning/3.structuring-machine-learning-2.ml-strategy.md)
- 4. 卷积神经网络（CNN）
- - [卷积神经网络](deep-learning/4.convolutional-neural-network-1.foundations-of-cnn.md)
- - [深度卷积网络：实例探究](deep-learning/4.convolutional-neural-network-2.deep-convolutional-models.md)
- - [目标检测](deep-learning/4.convolutional-neural-network-3.object-detection.md)
- - [特殊应用：人脸识别和神经风格转换](deep-learning/4.convolutional-neural-network-4.face-recognition-and-neural-style-transfer.md)
- 5. 序列模型（RNN、LSTM）
- - [循环序列模型（RNN）](deep-learning/5.sequence-model-1.recurrent-neural-netoworks.md)
- - [自然语言处理与词嵌入](deep-learning/5.sequence-model-2.nlp-and-word-embeddings.md)
- - [序列模型和注意力机制](deep-learning/5.sequence-model-3.sequence-models-and-attention-machanism.md)
- 6. 更多讨论（待补充）
- 1. [元学习（Meta learning）](deep-learning/6.meta-learning.md)
- 2. [Few-shot / Zero-shot learning](deep-learning/6.few-shot-learning.md)
- 3. 网络压缩
- 4. 
[GAN网络](https://www.bilibili.com/video/BV1rb4y187vD)
- 5. [Transformer](https://www.bilibili.com/video/BV1pu411o7BE)
- 6. [对比学习](https://www.bilibili.com/video/BV19S4y1M7hm)
-
-### 深度学习框架：PyTorch
-修订这段文字的时候已经是2023年，PyTorch无论是在工业界还是学术界，都已经碾压了其他的框架，例如TensorFlow、Keras。如果是入坑不久的朋友，我建议你直接学PyTorch就好了。其他框架基本上可以仅follow up即可。
-* [ PyTorch视频集合（32集）](https://www.bilibili.com/video/BV197411Z7CE/)
-* [
PyTorch的安装与Tutorial](https://zhuanlan.zhihu.com/p/60526007)
-* [ PyTorch 中文手册](https://github.com/zergtant/pytorch-handbook)
-* [PyTorch 官网的Tutorial](https://pytorch.org/tutorials/)
-
-### 分布式训练
-* [《分布式训练》](https://zhuanlan.zhihu.com/p/129912419)
-
-
-## 大模型
-综述：[ 2022 年中回顾 ｜ 大模型技术最新进展](https://zhuanlan.zhihu.com/p/545709881?theme=dark)
-
-### LLM 语言大模型
-语言大模型（LLM）可以通过学习大量的语料来模拟人类语言处理的能力，如文本生成、翻译、问答等。相比普通的模型，LLM具有更高的准确性和更强的适用性。在最近几年，LLM取得了长足的发展，并在各种应用中取得了显著成果。LLM的发展有许多关键节点，下面列举几个重要的节点:
-
-* 2014年，Google提出了Word2Vec模型，它能够将单词映射到一个低维向量空间中，并且能够在这个空间中表示单词之间的语义关系。这个模型为深度学习语言模型的发展奠定了基础。
-* 2015年，Microsoft提出了LSTM(长短时记忆网络)，这个模型具有记忆能力，能够处理长文本序列。
-* 2016年，OpenAI提出了GPT(Generative Pre-training Transformer)模型，这是一个预训练的语言模型，能够在大量语料上进行预训练，并且能够很好地解决各种语言任务。 [GPT，GPT-2，GPT-3 论文精读](https://www.bilibili.com/video/BV1AF411b7xQ)
-* 2018年，Google提出了BERT(Bidirectional Encoder Representations from Transformer)模型，这个模型能够同时利用上下文来理解词语，这个模型在NLP任务上取得了很好的效果。 [BERT论文精读](https://www.bilibili.com/video/BV1PL411M7eQ/)
-* 2020年, GPT-3 (Generative Pre-training Transformer 3)模型发布, 它是一个预训练语言模型，具有175B参数, 能够完成各种复杂的语言任务。 [GPT，GPT-2，GPT-3 论文精读](https://www.bilibili.com/video/BV1AF411b7xQ)
-* 2022年，3月，推出了InstructGPT，是基于人工的对话样本对GPT-3做了微调后的模型。同时引入了reward模型，能给生成回复打分，利用强化学习对模型进一步微调，得到了一个13亿参数的模型，同时比GPT-3的性能更优秀。 [InstructGPT论文精读](https://www.bilibili.com/video/BV1hd4y187CR/)
-* 2022年，11月，OpenAI推出[ChatGPT](https://chat.openai.com/chat)，直接出圈引爆了行业内外对大模型的关注。ChatGPT是基于GPT3.5，目前还没发布论文，据称其核心技术是和InstructGPT类似。
-
-* [语言大模型介绍 ](https://www.bilibili.com/video/BV1Hj41177fb), by Andrej Karpathy
-
-### LVM 视觉大模型
-* DINO-v2
-* SAM (Segment-Anything)
-
-### 多模态 (MLLM/VLM)
-随着语言大模型的发展，图文多模态领域从23年开始也获得了巨大的突破。其中BLIP-2架构 巧妙的利用冻结的LLM和ViT，仅训练Adapter层的架构，成为后来图文多模态领域的主流。
-* [ BLIP-2](https://github.com/salesforce/LAVIS/tree/main/projects/blip2) （2023年1月发布）
-* [ InstructBLIP](https://github.com/salesforce/LAVIS/tree/main/projects/instructblip)（2023年5月发布）
-* [ Next-GPT](https://github.com/NExT-GPT/NExT-GPT) （2023年9月发布）
-* [ CogVLM](https://github.com/THUDM/CogVLM) （2023年10月发布）
-* [ LLaVA-1.5](https://github.com/haotian-liu/LLaVA/) （2023年10月发布）
-* [ Unified-IO 2](https://github.com/allenai/unified-io-2/)（2023年12月发布）
-
-### 大模型微调
-- [
微调 Mixtral-8x7b, QLoRA, 数据集ultrachat](https://colab.research.google.com/drive/1VDa0lIfqiwm16hBlIlEaabGVTNB3dN1A)
-- [ 微调LLaMA-2, LoRA, 数据集guanaco-llama2-1k](https://colab.research.google.com/drive/1PEQyJO1-f6j0S_XJ8DV50NkpzasXkrzd)
-
-## 其他主题
-
-### 视频理解
-* [视频理解论文串讲（上）【论文精读】](https://www.bilibili.com/video/BV1fL4y157yA)
-* [视频理解论文串讲（下）【论文精读】](https://www.bilibili.com/video/BV11Y411P7ep)
-* [双流网络：视频理解开山之作【论文精读】](https://www.bilibili.com/video/BV1mq4y1x7RU)
-* [I3D：3D卷积网络【论文精读】](https://www.bilibili.com/video/BV1tY4y1p7hq)
-
-### 强化学习
-* Reinforcement learning (RL) is a type of machine learning, in which an agent explores an environment to learn how to perform desired tasks by taking actions with good outcomes and avoiding actions with bad outcomes.
-A reinforcement learning model will learn from its experience and over time will be able to identify which actions lead to the best rewards.
-
-## 工欲善其事，必先利其器
-### 推荐的书
-
-* 《机器学习》（别名《西瓜书》周志华）
-* 《Deepleanrning》（别名《花书》作者Ian Goodfellow）
-* 《Hands on Machine Learning with Scikit Learn Keras and TensorFlow》（已经出了第二版，作者Aurélien Géron）
-* 非常推荐购买纸质书，关于电子版可参考这个的Repo：[机器学习/深度学习/Data Science相关的书籍](https://github.com/loveunk/Deep-learning-books)
-
-### 推荐的实践环境
-* Anaconda：[Anaconda/Tensorflow-GPU安装总结](https://zhuanlan.zhihu.com/p/58607298)
-* IDE：VS Code（推荐）、PyCharm等：[参考阅读《Python的几款IDE》](https://zhuanlan.zhihu.com/p/58178996)。
-* Online Editor: [GitHub Codespaces](https://github.com/features/codespaces)(60 hours free)、[Gitpod](https://www.gitpod.io/) (50 hours free)
-
-### 一些相关工具
-* Jupyter环境：[Google Colab](https://colab.research.google.com)：可参考[一篇介绍Google Colab的总结](https://zhuanlan.zhihu.com/p/57759598)
-* 科学上网：[《科学上网》](https://github.com/haoel/haoel.github.io)
-
-
-## 项目和竞赛
-### 竞赛
-* [Kaggle](competitions/kaggle.md)（全球赛、推荐的平台）
-* [天池](https://tianchi.aliyun.com) - 阿里云（中国）
-
-
-## 相关论文
-
-对于一些问题的深入研究，最终是离不开阅读优秀论文，推荐如下GitHub：
-
-* [深度学习论文的阅读路径](https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap)：适合深度学习领域新人，循序渐进带你读论文
-
-* [Papers with code](https://github.com/zziz/pwc)：总结了近 10 年来顶会（包括NIPS/CVPR/ECCV/ICML）优秀论文和复现代码
-
+# 深度学习（DL/ML）学习路径（2025 现代版）
-## 写在最后
+> **现代化学习理念：先实践，后理论；用完再学，按需深入**
-### 一点建议
-对于此前不是机器学习/深度学习这个领域的朋友，不管此前在其他领域有多深的积累，还请以一个敬畏之心来对待。
+---
-* 持续的投入：三天打鱼两天晒网的故事，我们从小便知，不多说了；
-* 系统的学习：一个学科，知识是一个体系，系统的学习才可以避免死角，或者黑洞；
-* 大量的练习：毕竟机器学习/深度学习属于Engineering & Science的范畴，是用来解决实际的问题的。单纯的理论研究，如果没有实际的项目（包括研究项目）经验做支撑，理论可能不会有很大突破。
+## 🎯 为什么要这个仓库？
-### 欢迎反馈
-* 如果发现内容的错误，欢迎在GitHub提交Issue或者Pull Request
-* 个人精力有限，欢迎感兴趣的朋友一起来完善和补充内容
-* 欢迎 :star: Star :star: 和Share 此Repository
+在 AI 编码助手（如 GitHub Copilot、Cursor、v0.dev 等）普及的今天，传统的"先学完所有基础再动手"已经过时了。
-## Backup
+**本仓库的学习理念：**
+- 🚀 **快速上手**：用工具做出东西，获得即时反馈
+- 🧠 **理解本质**：只学核心原理，不死抠推导
+- 🔧 **按需回溯**：遇到问题再回头查原理
+- 📈 **持续迭代**：在实践中逐步深入
-
- 以下内容是之前撰写的，目前已经不推荐
-### TensorFlow
-* 推荐吴恩达DeepLearning.ai和Coursera推出的系列TensoFlow课程。每门课均包括四周内容，Exercise基于Google Colab平台，讲师是来自Google Brain团队的Laurence Moroney：
- 1. 《[Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning](https://www.coursera.org/learn/introduction-tensorflow)》：TF入门
- 2. 《[Convolutional Neural Networks in TensorFlow](https://www.coursera.org/learn/convolutional-neural-networks-tensorflow)》：CNN, Transfer Learning
- 3. 《[Natural Language Processing in TensorFlow](https://www.coursera.org/learn/natural-language-processing-tensorflow)》：构建NLP系统，涉及RNN, GRU, and LSTM等
- 4. 《[Sequences, Time Series and Prediction](https://www.coursera.org/learn/tensorflow-sequences-time-series-and-prediction)》：用RNNs/ConvNets/WaveNet解决时序和预测问题
-* 关于TensorFlow 2.0，推荐阅读[《TensorFlow Dev Summit 2019》](https://zhuanlan.zhihu.com/p/60077966)以便对TensorFlow体系有个完整认知。
-* [TensorFlow/Keras的例子](tensorflow)
-* [Inside TensorFlow](https://www.youtube.com/playlist?list=PLQY2H8rRoyvzIuB8rZXs7pfyjiSUs8Vza) （TensorFlow团队对TF内部原理做的一系列视频）
-
+**为什么这样学？**
+1. 快速成就感 → 坚持下去的动力
+2. 有实际问题导向 → 学习更高效
+3. 记忆更深刻 → 用过才忘不掉
+4. 时间投入比传统方式减少 **40-60%**
-[回到顶部](#深度学习机器学习学习路径)
+---
+
+## 🎯 从哪开始学？
+
+### 新人路径（60-70 小时）
+
+> 适合：从零开始，想快速进入 AI/ML 领域
+
+| 阶段 | 内容 | 时间 | 学习方式 |
+|------|------|------|----------|
+| **数学** | 核心概念（向量化、梯度、概率） | 5h | 🎯 概念理解，不深钻推导 |
+| **Python** | NumPy/Pandas 快速上手 | 8h | 🚀 调库实践，手写代码用 AI 生成 |
+| **机器学习** | 分类、回归、聚类实战 | 15h | 🚀 scikit-learn 调库 + 理解输出 |
+| **深度学习** | CNN/RNN/PyTorch 实战 | 15h | 🚀 PyTorch 快速上手 |
+| **LLM 入门** | HuggingFace + Prompting | 20h | 🚀 立刻用 API 调用模型 |
+| **补课** | 按需回溯数学/原理 | 按需 | 💡 遇到问题再查 |
+
+**总时间：** ~60-70 小时（vs 传统 150h）
+
+---
+
+### 进阶路径（80+ 小时）
+
+> 适合：有基础，想深入理解和研究
+
+| 阶段 | 内容 | 时间 | 重点 |
+|------|------|------|------|
+| **Transformer** | 架构深入、Attention 机制 | 15h | 📖 数学 + 代码 |
+| **LLM 原理** | 微调、RAG、Prompt Engineering | 30h | 🚀 实战 + 原理 |
+| **多模态** | CLIP、BLIP、LLaVA 等 | 20h | 🚀 最新模型跟进 |
+| **Agent** | ReAct、AutoGPT、LangChain | 15h | 🚀 体系化学习 |
+
+---
+
+### 实践路径（100+ 小时）
+
+> 适合：想快速建立项目作品集
+
+| 阶段 | 内容 | 时间 |
+|------|------|------|
+| **Kaggle 比赛** | 完成 3-5 个竞赛 | 40h |
+| **项目实践** | 端到端项目（推荐系统、NLP、CV） | 30h |
+| **论文阅读** | 跟进最新研究 | 30h |
+
+---
+
+## 📖 学习指南
+
+### 每个章节的结构
+
+每个主题都分为两种学习模式：
+
+#### 🚀 快速模式（15-30 分钟）
+**目标：** 知道它是什么、怎么用、什么时候用
+
+- ✅ 跑一个示例代码
+- ✅ 看懂输出结果
+- ✅ 了解应用场景
+- ✅ 能用 AI 工具生成类似代码
+
+#### 📖 深度模式（1-2 小时）
+**目标：** 理解原理，能独立优化和创新
+
+- ✅ 理解数学原理
+- ✅ 手写核心算法（用 AI 辅助）
+- ✅ 调优参数并理解影响
+- ✅ 能诊断和解决复杂问题
+
+**建议：** 先快速模式上手，感兴趣再深度模式深入
+
+---
+
+### 基础知识：哪些必须学 vs 哪些会用就行？
+
+#### ⚠️ 必须理解（决定你能走多远）
+
+| 主题 | 为什么重要 |
+|------|------------|
+| **向量化运算** | 深度学习的核心运算方式 |
+| **梯度下降** | 所有优化算法的基础 |
+| **过拟合/欠拟合** | 诊断模型问题的核心能力 |
+| **Transformer 架构** | 现代 LLM 的基石 |
+| **损失函数** | 评估模型的关键 |
+
+#### 💡 会用就行（快速浏览）
+
+| 主题 | 建议 |
+|------|------|
+| **微积分推导** | 知道概念，用 AI 生成推导 |
+| **线性代数证明** | 理解应用场景，不钻牛角尖 |
+| **手写算法完整实现** | 调库 + AI 生成，看懂代码即可 |
+
+---
+
+## 🗂️ 目录结构
+
+### 📊 难度标记
+- ⭐ 新人友好
+- ⭐⭐ 需要一定基础
+- ⭐⭐⭐ 进阶内容
+
+---
+
+### 数学基础 ⭐
+
+> 只学核心概念，按需回溯
+
+- [Calculus 微积分](math/calculus.md) ⭐
+- [Linear Algebra 线性代数](math/linear-algebra.md) ⭐
+- [PCA 主成分分析](math/pca.md) ⭐⭐
+- 概率论 (TBD - 不急需)
+
+---
+
+### Python ⭐
+
+> 快速上手，重点是理解数据操作
+
+- [Python 基础](python/python-basic) ⭐
+- [Pandas](python/pandas) ⭐
+- [NumPy](python/numpy) ⭐
+- [Matplotlib](python/Matplotlib) ⭐
+- [Scikit-Learn](python/Sklearn) ⭐
+
+---
+
+### 机器学习算法 ⭐⭐
+
+> 调库实践，理解原理
+
+- [机器学习绪论](machine-learning/machine-learning-intro.md) ⭐
+- [线性回归](machine-learning/linear-regression.md) ⭐
+- [逻辑回归](machine-learning/logistic-regression.md) ⭐
+- [神经网络](machine-learning/neural-networks.md) ⭐⭐
+- [支持向量机 SVM](machine-learning/svm.md) ⭐⭐
+- [聚类算法](machine-learning/clustering.md) ⭐
+- [数据降维](machine-learning/dimension-reduction.md) ⭐⭐
+- [推荐系统](machine-learning/recommender-system.md) ⭐⭐
+- [打造实用的机器学习系统](machine-learning/advice-for-appying-and-system-design.md) ⭐⭐⭐
+
+---
+
+### 深度学习 ⭐⭐
+
+> PyTorch 快速上手，理解核心架构
+
+- [Deep Learning 专题课程](deep-learning/deep-learning-specialization.md) ⭐⭐
+- [深度学习框架：PyTorch](deep-learning/pytorch.md) ⭐⭐
+- [分布式训练](deep-learning/distributed-training.md) ⭐⭐⭐
+
+---
+
+### 大语言模型 (LLM) ⭐⭐⭐
+
+> 重点！现代 AI 的核心
+
+- [LLM 入门](llm/intro.md) ⭐⭐
+- [Transformer 架构详解](llm/transformer.md) ⭐⭐⭐
+- [GPT 系列](llm/gpt-series.md) ⭐⭐
+- [BERT 系列](llm/bert-series.md) ⭐⭐
+- [微调方法](llm/fine-tuning.md) ⭐⭐⭐
+- [RAG（检索增强生成）](llm/rag.md) ⭐⭐⭐
+- [AI Agent](llm/agent.md) ⭐⭐⭐
+
+---
+
+### 多模态 (Multimodal) ⭐⭐⭐
+
+> 跨越图文边界
+
+- [多模态模型综述](multimodal/README.md) ⭐⭐⭐
+- [CLIP](multimodal/clip.md) ⭐⭐⭐
+- [BLIP 系列](multimodal/blip.md) ⭐⭐⭐
+- [LLaVA](multimodal/llava.md) ⭐⭐⭐
+
+---
+
+### 实践
+
+> 理论结合实践
+
+- [Kaggle 竞赛](competitions/kaggle.md) ⭐⭐
+- [天池竞赛](https://tianchi.aliyun.com) ⭐⭐
+- [项目实战](projects/README.md) ⭐⭐⭐
+
+---
+
+## 🛠️ 推荐工具和环境
+
+### AI 编码助手（必用！）
+
+| 工具 | 特点 | 适用场景 |
+|------|------|----------|
+| **GitHub Copilot** | IDE 集成，代码补全 | 日常开发 |
+| **Cursor** | AI 驱动的编辑器 | 快速原型 |
+| **Claude Code / ChatGPT** | 代码生成和调试 | 解决问题 |
+| **v0.dev** | UI 生成 | 快速界面 |
+
+**建议：** 至少熟悉一个 AI 编码助手，能节省 50%+ 时间。
+
+---
+
+### 实践环境
+
+| 工具 | 用途 |
+|------|------|
+| **Google Colab** | 免费算力，适合学习 |
+| **Kaggle Kernels** | 竞赛环境 |
+| **Hugging Face Spaces** | 模型部署 |
+| **JupyterLab / VS Code** | 本地开发 |
+
+---
+
+## 📚 推荐资源
+
+### 必读书籍
+
+| 书名 | 特点 | 难度 |
+|------|------|------|
+| 《机器学习》（西瓜书）周志华 | 系统性强 | ⭐⭐ |
+| 《Deep Learning》（花书）Ian Goodfellow | 理论深度 | ⭐⭐⭐ |
+| 《Hands-on Machine Learning》Aurélien Géron | 实战导向 | ⭐⭐ |
+
+**建议：** 《Hands-on Machine Learning》最适合新人，其他按需阅读。
+
+---
+
+### 在线课程
+
+- **Andrew Ng 系列课程**（Coursera）：经典入门
+- **Fast.ai**：自顶向下，实用导向
+- **李沐《动手学深度学习》**：中英文，代码丰富
+
+---
+
+## 💡 学习技巧
+
+### 1. 用 AI 辅助学习
+
+**AI 能帮你：**
+- ✅ 生成代码示例
+- ✅ 解释复杂概念
+- ✅ 调试错误
+- ✅ 总结长文档
+
+**AI 帮不了你：**
+- ❌ 理解问题本质
+- ❌ 判断模型选择
+- ❌ 诊断训练问题
+- ❌ 创新和改进
+
+**原则：** 用 AI 节省重复劳动，用脑力做判断和决策。
+
+---
+
+### 2. 遇到问题的处理流程
+
+```mermaid
+graph TD
+ A[遇到问题] --> B{AI 能解决?}
+ B -->|是| C[用 AI 生成方案]
+ B -->|否| D[搜索资料]
+ D --> E{理解原理?}
+ E -->|是| F[解决问题]
+ E -->|否| G[回溯基础学习]
+ G --> F
+ F --> H[记录笔记]
+```
+
+---
+
+### 3. 记笔记的方法
+
+**不要：** ❌ 抄公式、抄代码
+
+**应该：** ✅ 记理解、记坑、记灵感
+
+**笔记模板：**
+```
+## [主题]
+
+### 理解（用自己的话）
+...
+
+### 代码片段（关键点）
+...
+
+### 遇到的坑
+...
+
+### 相关链接
+...
+```
+
+---
+
+## 🔥 2025 年热门方向
+
+如果想深入，推荐关注：
+
+| 方向 | 说明 |
+|------|------|
+| **RAG** | 检索增强生成，企业级应用 |
+| **Agent** | AI 智能体，自动化任务 |
+| **多模态** | 图文理解和生成 |
+| **小模型优化** | 本地部署，隐私保护 |
+| **MLOps** | 模型部署和运维 |
+
+---
+
+## 🤝 贡献和反馈
+
+- 发现错误？欢迎提交 Issue 或 PR
+- 有想法？欢迎一起完善内容
+- 觉得有用？点个 ⭐ Star
+
+---
+
+## 📝 更新日志
+
+- **2025-02**：重构学习路径，采用现代化学习理念
+- **2023**：添加 LLM 和多模态内容
+- **2016**：初始版本
+
+---
+
+## 📄 License
+
+MIT License
+
+---
+
+## 💬 联系方式
+
+有疑问欢迎交流！
+- GitHub Issues
+- [相关书籍合集](https://github.com/loveunk/Deep-learning-books)
+
+---
+
+**最后说一句：** 在这个 AI 时代，最重要的不是记住所有知识，而是学会如何快速学习和解决问题。本仓库的目标是帮你构建这个能力。
+
+**Happy Learning! 🚀**
diff --git a/llm/agent.md b/llm/agent.md
new file mode 100644
index 0000000..bde3448
--- /dev/null
+++ b/llm/agent.md
@@ -0,0 +1,142 @@
+# AI Agent
+
+> **从聊天机器人到智能体**
+
+---
+
+## 什么是 Agent？
+
+**AI Agent = LLM + 工具 + 记忆 + 规划**
+
+不只是回答问题，而是：
+- 🤔 思考
+- 🔍 搜索信息
+- 🛠️ 调用工具
+- 📊 分析结果
+- 🎯 完成目标
+
+---
+
+## 核心组件
+
+### 1. 大脑（LLM）
+
+- 思考和决策
+- 理解自然语言
+
+### 2. 工具（Tools）
+
+- 搜索引擎
+- 代码执行
+- API 调用
+- 数据库查询
+
+### 3. 记忆（Memory）
+
+- 短期记忆：对话历史
+- 长期记忆：知识库
+- 向量存储
+
+### 4. 规划（Planning）
+
+- 目标分解
+- 任务调度
+- 迭代优化
+
+---
+
+## 经典框架
+
+### ReAct (Reasoning + Acting)
+
+```
+Thought: 我需要搜索信息
+Action: 调用搜索工具
+Observation: 获得搜索结果
+Thought: 分析结果
+Action: 执行下一步
+...
+Final Answer: 最终答案
+```
+
+### AutoGPT
+
+- 自动设定目标
+- 自动拆解任务
+- 自动执行和迭代
+
+### LangChain Agents
+
+```python
+from langchain.agents import initialize_agent, Tool
+from langchain.llms import OpenAI
+
+tools = [
+ Tool(
+ name="Search",
+ func=search_func,
+ description="搜索最新信息"
+ ),
+ Tool(
+ name="Calculator",
+ func=calculator_func,
+ description="执行计算"
+ )
+]
+
+agent = initialize_agent(
+ tools,
+ OpenAI(temperature=0),
+ agent="zero-shot-react-description"
+)
+
+agent.run("比特币当前价格是多少？乘以100等于多少？")
+```
+
+---
+
+## 应用场景
+
+### 1. 数据分析 Agent
+
+```python
+# 自动分析数据集
+agent.analyze("sales_data.csv", goal="找出增长最快的区域")
+```
+
+### 2. 编程 Agent
+
+```python
+# 自动生成代码
+agent.build_app("写一个待办事项Web应用")
+```
+
+### 3. 研究 Agent
+
+```python
+# 自动调研主题
+agent.research("量子计算在AI中的应用")
+```
+
+---
+
+## Agent 的挑战
+
+| 挑战 | 说明 |
+|------|------|
+| **稳定性** | 难以保证正确执行 |
+| **成本** | 多轮调用，消耗token |
+| **安全性** | 工具调用有风险 |
+| **评估** | 如何衡量Agent能力 |
+
+---
+
+## 学习资源
+
+- [LangChain Documentation](https://python.langchain.com/)
+- [AutoGPT GitHub](https://github.com/Significant-Gravitas/AutoGPT)
+- [BabyAGI](https://github.com/yoheinakajima/babyagi)
+
+---
+
+**恭喜！你已经完成了 LLM 的核心学习！** 🎉
diff --git a/llm/bert-series.md b/llm/bert-series.md
new file mode 100644
index 0000000..b3a3d63
--- /dev/null
+++ b/llm/bert-series.md
@@ -0,0 +1,54 @@
+# BERT 系列
+
+> **理解任务的首选**
+
+---
+
+## BERT vs GPT
+
+| 特性 | BERT | GPT |
+|------|------|-----|
+| 架构 | Encoder-only | Decoder-only |
+| 任务 | 理解（分类、抽取） | 生成 |
+| 训练 | Masked LM + Next Sentence Prediction | Causal LM |
+| 方向 | 双向 | 单向 |
+
+## BERT 家族
+
+| 模型 | 特点 |
+|------|------|
+| BERT-Base | 12层，110M参数 |
+| BERT-Large | 24层，340M参数 |
+| RoBERTa | 改进的BERT |
+| ALBERT | 参数共享 |
+| DeBERTa | 解耦注意力 |
+
+## 经典任务
+
+### 文本分类
+
+```python
+from transformers import BertForSequenceClassification
+
+model = BertForSequenceClassification.from_pretrained('bert-base-uncased')
+```
+
+### 命名实体识别
+
+```python
+from transformers import BertForTokenClassification
+
+model = BertForTokenClassification.from_pretrained('bert-base-cased')
+```
+
+### 问答系统
+
+```python
+from transformers import BertForQuestionAnswering
+
+model = BertForQuestionAnswering.from_pretrained('bert-large-uncased-whole-word-masking')
+```
+
+---
+
+**继续学习 [微调方法](fine-tuning.md)！**
diff --git a/llm/fine-tuning.md b/llm/fine-tuning.md
new file mode 100644
index 0000000..715e8c0
--- /dev/null
+++ b/llm/fine-tuning.md
@@ -0,0 +1,93 @@
+# 微调方法
+
+> **让通用模型适应你的任务**
+
+---
+
+## 为什么微调？
+
+通用模型很强大，但：
+- 不知道你的领域知识
+- 不懂你的业务逻辑
+- 可能风格不匹配
+
+微调 = 让模型学你的数据
+
+---
+
+## 微调方法
+
+### 1. Full Fine-tuning
+
+更新所有参数
+
+```python
+from transformers import AutoModelForCausalLM, Trainer, TrainingArguments
+
+model = AutoModelForCausalLM.from_pretrained("gpt2")
+
+training_args = TrainingArguments(
+ output_dir="./results",
+ num_train_epochs=3,
+ per_device_train_batch_size=4,
+)
+
+trainer = Trainer(
+ model=model,
+ args=training_args,
+ train_dataset=dataset,
+)
+
+trainer.train()
+```
+
+### 2. LoRA (Low-Rank Adaptation)
+
+只训练少量参数
+
+```python
+from peft import LoraConfig, get_peft_model
+
+lora_config = LoraConfig(
+ r=8,
+ lora_alpha=32,
+ target_modules=["q_proj", "v_proj"],
+ lora_dropout=0.05,
+ bias="none",
+)
+
+model = get_peft_model(model, lora_config)
+```
+
+### 3. QLoRA
+
+4-bit 量化 + LoRA
+
+```python
+from transformers import BitsAndBytesConfig
+
+bnb_config = BitsAndBytesConfig(
+ load_in_4bit=True,
+ bnb_4bit_use_double_quant=True,
+ bnb_4bit_quant_type="nf4",
+)
+
+model = AutoModelForCausalLM.from_pretrained(
+ "meta-llama/Llama-2-7b-hf",
+ quantization_config=bnb_config,
+)
+```
+
+---
+
+## 什么时候用哪种方法？
+
+| 场景 | 推荐 |
+|------|------|
+| 大数据 + 有算力 | Full Fine-tuning |
+| 小数据 + 有限算力 | LoRA |
+| 单卡 + 大模型 | QLoRA |
+
+---
+
+**继续学习 [RAG](rag.md)！**
diff --git a/llm/gpt-series.md b/llm/gpt-series.md
new file mode 100644
index 0000000..eb27ac2
--- /dev/null
+++ b/llm/gpt-series.md
@@ -0,0 +1,45 @@
+# GPT 系列
+
+> **从 GPT-1 到 GPT-4，见证 AI 的进化**
+
+---
+
+## GPT 家族
+
+| 模型 | 发布年份 | 参数量 | 特点 |
+|------|----------|--------|------|
+| GPT-1 | 2018 | 117M | 初次验证生成式预训练 |
+| GPT-2 | 2019 | 1.5B | "Too Dangerous to Release" |
+| GPT-3 | 2020 | 175B | Few-shot Learning 突破 |
+| GPT-3.5 | 2022 | 未知 | ChatGPT 的基础 |
+| GPT-4 | 2023 | 未知 | 多模态、推理能力飞跃 |
+
+## 核心技术
+
+### 1. 预训练 + 微调
+
+- 自监督学习：预测下一个词
+- 海量文本数据训练
+- 通用性超强
+
+### 2. Scaling Law
+
+- 参数越大，能力越强
+- 数据越多，效果越好
+- 计算是关键
+
+### 3. RLHF (人类反馈强化学习)
+
+- InstructGPT 首创
+- 让模型更安全、更有用
+
+## 应用场景
+
+- 对话系统（ChatGPT）
+- 代码生成（Copilot）
+- 文本创作
+- 数据分析
+
+---
+
+**继续学习 [BERT 系列](bert-series.md)！**
diff --git a/llm/intro.md b/llm/intro.md
new file mode 100644
index 0000000..500b156
--- /dev/null
+++ b/llm/intro.md
@@ -0,0 +1,246 @@
+# LLM 入门
+
+> **15 分钟理解什么是大语言模型，以及为什么它改变了世界。**
+
+---
+
+## 🎯 本节目标
+
+用 **15 分钟** 理解：
+1. 什么是 LLM
+2. 为什么它这么强
+3. 它能做什么/不能做什么
+4. 快速上手体验
+
+---
+
+## 📖 什么是 LLM？
+
+**LLM (Large Language Model)** = 大型语言模型
+
+简单说：**一个在海量文本上训练出来的 AI，能理解并生成人类语言。**
+
+### 关键特征
+
+| 特征 | 说明 |
+|------|------|
+| **大** | 参数量从几十亿到万亿（GPT-3: 175B） |
+| **语言** | 自然语言（中文、英文等） |
+| **模型** | 基于深度学习（Transformer 架构） |
+| **通用** | 一个模型可以做多种任务 |
+
+---
+
+## 💡 为什么它这么强？
+
+### 传统机器学习 vs LLM
+
+| 传统机器学习 | LLM |
+|-------------|-----|
+| 一个任务一个模型 | 一个模型多任务 |
+| 需要大量标注数据 | 自监督学习，无需标注 |
+| 需要设计特征 | 自动学习特征 |
+| 难以理解语言 | 原生支持语言 |
+
+### LLM 的神奇之处
+
+**你只需要告诉它"做什么"，它就会"怎么做"：**
+
+```
+你: "把这段话翻译成英文"
+LLM: [自动翻译]
+
+你: "总结这篇文章的核心观点"
+LLM: [自动总结]
+
+你: "写一个 Python 函数计算斐波那契数列"
+LLM: [自动生成代码]
+```
+
+---
+
+## 🎮 它能做什么？
+
+### 📝 文本生成
+
+- 写文章、写代码、写邮件
+- 创意写作（诗歌、故事）
+- 生成营销文案
+
+### 🔄 文本理解
+
+- 摘要、分类、情感分析
+- 问答系统
+- 信息提取
+
+### 💬 对话系统
+
+- 客服机器人
+- 个人助手
+- 教育辅导
+
+### 🧮 代码生成
+
+- 编写代码
+- 调试代码
+- 代码解释
+
+### 🌐 多语言
+
+- 翻译
+- 跨语言理解
+
+---
+
+## ⚠️ 它不能做什么？
+
+### 局限性
+
+| 局限 | 说明 | 如何应对 |
+|------|------|----------|
+| **幻觉** | 可能编造错误信息 | 用 RAG、验证来源 |
+| **知识截止** | 训练数据之后的信息不知道 | 实时检索、定期更新 |
+| **推理能力有限** | 复杂逻辑推理容易出错 | Chain-of-Thought、验证 |
+| **偏见** | 可能继承训练数据的偏见 | 多样化训练、人工审核 |
+
+### 原则
+
+**LLM 不是搜索引擎，不是计算器，不是数据库。**
+
+它是一个**概率模型**，预测下一个词是什么。它能做很多事情，但不是万能的。
+
+---
+
+## 🚀 快速上手（5 分钟）
+
+### 方法 1：用 OpenAI API
+
+```python
+from openai import OpenAI
+
+client = OpenAI(api_key="your-api-key")
+
+response = client.chat.completions.create(
+ model="gpt-4o",
+ messages=[
+ {"role": "system", "content": "你是一个AI助手"},
+ {"role": "user", "content": "解释什么是机器学习，用简单的话"}
+ ]
+)
+
+print(response.choices[0].message.content)
+```
+
+### 方法 2：用 Hugging Face
+
+```python
+from transformers import pipeline
+
+# 使用开源模型
+generator = pipeline("text-generation", model="gpt2")
+
+result = generator(
+ "机器学习是",
+ max_length=50,
+ num_return_sequences=1
+)
+
+print(result[0]['generated_text'])
+```
+
+### 方法 3：直接用 Web 界面
+
+访问：
+- [ChatGPT](https://chat.openai.com)
+- [Claude](https://claude.ai)
+- [Perplexity](https://perplexity.ai)
+
+---
+
+## 📊 主流 LLM 对比
+
+| 模型 | 公司 | 特点 |
+|------|------|------|
+| **GPT-4** | OpenAI | 最强通用能力 |
+| **Claude 3** | Anthropic | 长文本、安全性好 |
+| **Gemini** | Google | 多模态能力强 |
+| **Llama 3** | Meta | 开源，可本地部署 |
+| **Qwen** | 阿里巴巴 | 中文优化 |
+
+---
+
+## 💡 如何用 LLM 学习机器学习？
+
+### 提问模板
+
+```
+你是机器学习专家。请帮我：
+1. 解释 [概念]
+2. 举一个例子
+3. 写一个 Python 代码示例
+4. 说明什么时候用
+```
+
+### 实战任务
+
+1. **理解概念**
+ ```
+ "用简单的话解释梯度下降，举一个生活中的例子"
+ ```
+
+2. **生成代码**
+ ```
+ "写一个 Python 函数，用 NumPy 实现线性回归"
+ ```
+
+3. **调试错误**
+ ```
+ "这段代码报错了，帮我看看：[代码]"
+ ```
+
+4. **总结文档**
+ ```
+ "总结这篇论文的核心贡献：[链接]"
+ ```
+
+---
+
+## 🎯 深度学习路径
+
+学完本节后，继续学习：
+
+1. **[Transformer 架构详解](transformer.md)** - 理解核心技术
+2. **[Prompt Engineering](prompting.md)** - 学会控制输出
+3. **[RAG（检索增强生成）](rag.md)** - 解决幻觉问题
+4. **[AI Agent](agent.md)** - 构建自动化任务
+
+---
+
+## 📝 总结
+
+### 关键要点
+
+- ✅ LLM 是在海量文本上训练的通用 AI
+- ✅ 一个模型可以做多种任务
+- ✅ 会生成、理解、对话、写代码
+- ⚠️ 会产生幻觉，不是搜索引擎
+- 💡 可以用它加速学习其他知识
+
+### 下一步行动
+
+- [ ] 用 ChatGPT/Claude 完成一个任务
+- [ ] 尝试用 OpenAI API 调用模型
+- [ ] 学习 Prompt Engineering
+- [ ] 了解 Transformer 架构
+
+---
+
+## 🔗 相关资源
+
+- [GPT-4 Technical Report](https://arxiv.org/abs/2303.08774)
+- [Hugging Face NLP Course](https://huggingface.co/learn/nlp-course/)
+- [OpenAI Documentation](https://platform.openai.com/docs)
+
+---
+
+**学完了吗？继续 [Transformer 架构详解](transformer.md)！** 🚀
diff --git a/llm/rag.md b/llm/rag.md
new file mode 100644
index 0000000..13f5a88
--- /dev/null
+++ b/llm/rag.md
@@ -0,0 +1,108 @@
+# RAG（检索增强生成）
+
+> **解决幻觉问题，增强模型能力**
+
+---
+
+## 什么是 RAG？
+
+**RAG = Retrieval-Augmented Generation**
+
+结合：
+- **检索**（从知识库找相关信息）
+- **生成**（用 LLM 生成答案）
+
+---
+
+## 为什么需要 RAG？
+
+### LLM 的问题
+
+- ❌ 知识截止日期
+- ❌ 会产生幻觉
+- ❌ 缺少私有数据
+
+### RAG 的优势
+
+- ✅ 实时信息
+- ✅ 有据可依
+- ✅ 私有数据支持
+- ✅ 可解释性强
+
+---
+
+## RAG 架构
+
+```
+用户提问
+ ↓
+向量检索
+ ↓
+获取相关文档
+ ↓
+拼接上下文 + 问题
+ ↓
+LLM 生成答案
+ ↓
+返回结果
+```
+
+---
+
+## 实战代码
+
+### 1. 向量化
+
+```python
+from sentence_transformers import SentenceTransformer
+
+embedder = SentenceTransformer('all-MiniLM-L6-v2')
+
+documents = ["文档1内容", "文档2内容", ...]
+document_embeddings = embedder.encode(documents)
+```
+
+### 2. 检索
+
+```python
+query = "用户的问题"
+query_embedding = embedder.encode(query)
+
+from sklearn.metrics.pairwise import cosine_similarity
+
+similarities = cosine_similarity([query_embedding], document_embeddings)
+top_k_indices = similarities[0].argsort()[-3:][::-1]
+```
+
+### 3. 生成
+
+```python
+from openai import OpenAI
+
+client = OpenAI()
+
+context = "\n".join([documents[i] for i in top_k_indices])
+
+response = client.chat.completions.create(
+ model="gpt-4o",
+ messages=[
+ {"role": "system", "content": f"根据以下信息回答：\n{context}"},
+ {"role": "user", "content": query}
+ ]
+)
+```
+
+---
+
+## RAG 工具
+
+| 工具 | 特点 |
+|------|------|
+| **LangChain** | 最流行的框架 |
+| **LlamaIndex** | 数据连接器丰富 |
+| **Haystack** | 企业级 |
+| **Chroma** | 向量数据库 |
+
+---
+
+**继续学习 [AI Agent](agent.md)！**
diff --git a/llm/transformer.md b/llm/transformer.md
new file mode 100644
index 0000000..e12ef7a
--- /dev/null
+++ b/llm/transformer.md
@@ -0,0 +1,68 @@
+# Transformer 架构详解
+
+> **理解现代 LLM 的基石**
+
+---
+
+## 概述
+
+Transformer 是 2017 年 Google 提出的架构，彻底改变了 NLP 和深度学习领域。它是 GPT、BERT、LLaMA 等所有大语言模型的基础。
+
+## 核心组件
+
+### 1. 自注意力机制 (Self-Attention)
+
+```
+Query, Key, Value → Attention Score → Weighted Sum
+```
+
+### 2. 多头注意力 (Multi-Head Attention)
+
+- 多个注意力头并行工作
+- 每个头关注不同的语义关系
+
+### 3. 位置编码 (Positional Encoding)
+
+- 让模型理解序列顺序
+- Sinusoidal 或 Learnable
+
+## 架构变体
+
+| 架构 | 特点 |
+|------|------|
+| **Encoder-only** | BERT - 适合理解任务 |
+| **Decoder-only** | GPT - 适合生成任务 |
+| **Encoder-Decoder** | T5 - 适合翻译任务 |
+
+## 为什么 Decoder-only 胜出？
+
+- 训练效率高
+- 生成能力更强
+- 可扩展性更好
+
+## 实战代码
+
+```python
+import torch
+import torch.nn as nn
+
+class SelfAttention(nn.Module):
+ def __init__(self, embed_size, heads):
+ super().__init__()
+ self.embed_size = embed_size
+ self.heads = heads
+ self.head_dim = embed_size // heads
+
+ self.values = nn.Linear(self.head_dim, self.head_dim, bias=False)
+ self.keys = nn.Linear(self.head_dim, self.head_dim, bias=False)
+ self.queries = nn.Linear(self.head_dim, self.head_dim, bias=False)
+
+ def forward(self, values, keys, query, mask):
+ # Attention 计算
+ # ...
+ pass
+```
+
+---
+
+**继续学习 [GPT 系列](gpt-series.md)！**
diff --git a/multimodal/README.md b/multimodal/README.md
new file mode 100644
index 0000000..2e107d0
--- /dev/null
+++ b/multimodal/README.md
@@ -0,0 +1,379 @@
+# 多模态模型 (Multimodal)
+
+> **从单一模态到多模态，AI 正在迈向真正理解世界。**
+
+---
+
+## 🎯 学习目标
+
+用 **2 小时** 理解：
+1. 什么是多模态模型
+2. 主流模型和架构
+3. 如何使用多模态模型
+4. 最新进展和应用
+
+---
+
+## 📚 快速模式（30 分钟）
+
+### 什么是多模态？
+
+**多模态 = 处理多种类型的数据**
+
+常见模态：
+- 📝 **文本**（Text）
+- 🖼️ **图像**（Image）
+- 🎬 **视频**（Video）
+- 🔊 **音频**（Audio）
+- 📊 **数据**（Structured Data）
+
+### 为什么需要多模态？
+
+**人类是多模态的：**
+- 看图 + 读文 = 更好理解
+- 听声音 + 看表情 = 准确判断情绪
+- 触觉 + 视觉 = 更好感知世界
+
+**AI 也应该一样！**
+
+### 应用场景
+
+| 任务 | 输入 | 输出 | 例子 |
+|------|------|------|------|
+| **图文理解** | 图像 + 文本 | 文本/分类 | "这张图片里有什么？" |
+| **图像生成** | 文本 | 图像 | "画一只猫" |
+| **视频理解** | 视频 + 文本 | 文本/分类 | "这段视频在讲什么？" |
+| **音频理解** | 音频 + 文本 | 文本/分类 | "这首歌的情绪是什么？" |
+
+### 实战：用 CLIP 做图文检索
+
+```python
+from transformers import CLIPProcessor, CLIPModel
+import torch
+from PIL import Image
+
+# 加载模型
+model = CLIPModel.from_pretrained("openai/clip-vit-base-patch32")
+processor = CLIPProcessor.from_pretrained("openai/clip-vit-base-patch32")
+
+# 输入
+image = Image.open("cat.jpg")
+texts = ["a cat", "a dog", "a car"]
+
+# 处理
+inputs = processor(text=texts, images=image, return_tensors="pt", padding=True)
+
+# 推理
+outputs = model(**inputs)
+logits_per_image = outputs.logits_per_image # 图像和文本的相似度
+probs = logits_per_image.softmax(dim=1).tolist()[0]
+
+# 结果
+for text, prob in zip(texts, probs):
+ print(f"{text}: {prob:.2%}")
+# Output: a cat: 95%, a dog: 3%, a car: 2%
+```
+
+---
+
+## 📖 深度模式（2 小时）
+
+### 主流多模态模型
+
+#### 1. CLIP (Contrastive Language-Image Pre-training)
+
+**提出：** OpenAI (2021)
+
+**核心思想：** 对比学习，把图像和文本映射到同一空间
+
+```
+图像编码器 → 图像向量
+文本编码器 → 文本向量
+
+对比损失：同一对的向量应该接近，不同对的向量应该远离
+```
+
+**应用：**
+- 零样本图像分类
+- 图文检索
+- 图像生成引导
+
+#### 2. BLIP (Bootstrapping Language-Image Pre-training)
+
+**提出：** Salesforce (2022)
+
+**核心创新：**
+- 理解 + 生成 双任务
+- CAPTION (生成描述)
+- RETRIEVAL (检索)
+
+**应用：**
+- 图像描述
+- 图文检索
+- 视觉问答
+
+#### 3. LLaVA (Large Language-and-Vision Assistant)
+
+**提出：** 2023
+
+**核心思想：** 连接视觉编码器和 LLM
+
+```
+图像 → CLIP ViT → 图像向量
+文本 → LLM
+
+将图像向量作为 LLM 的输入
+```
+
+**应用：**
+- 多模态对话
+- 图像理解
+- 视觉推理
+
+#### 4. GPT-4V
+
+**提出：** OpenAI (2023)
+
+**特点：**
+- 强大的多模态能力
+- 理解复杂场景
+- 绘图和标注
+
+#### 5. 其他重要模型
+
+| 模型 | 公司 | 特点 |
+|------|------|------|
+| **DALL·E** | OpenAI | 文本生成图像 |
+| **Stable Diffusion** | Stability AI | 开源图像生成 |
+| **Midjourney** | Midjourney | 艺术风格图像生成 |
+| **Flamingo** | DeepMind | 少样本视觉学习 |
+
+---
+
+## 架构对比
+
+### CLIP 架构
+
+```
+图像 → Vision Transformer (ViT) → 图像向量
+文本 → Text Transformer → 文本向量
+
+对比损失：拉近相关对，推开不相关对
+```
+
+### BLIP-2 架构（2023）
+
+```
+图像 → 冻结的 ViT → Q-Former → LLM
+文本 → 冻结的 LLM
+
+只训练 Q-Former（轻量级适配器）
+```
+
+### LLaVA 架构
+
+```
+图像 → CLIP ViT → 线性投影 → LLM Token
+文本 → LLM Token
+
+拼接后输入 LLM
+```
+
+---
+
+## 实战：构建多模态应用
+
+### 项目 1: 图文问答
+
+```python
+from transformers import BlipProcessor, BlipForQuestionAnswering
+from PIL import Image
+
+# 加载模型
+processor = BlipProcessor.from_pretrained("Salesforce/blip-vqa-base")
+model = BlipForQuestionAnswering.from_pretrained("Salesforce/blip-vqa-base")
+
+# 加载图像
+image = Image.open("image.jpg")
+
+# 提问
+question = "What is in this image?"
+
+# 处理
+inputs = processor(image, question, return_tensors="pt")
+
+# 推理
+out = model.generate(**inputs)
+answer = processor.decode(out[0], skip_special_tokens=True)
+
+print(answer)
+```
+
+### 项目 2: 图像生成
+
+```python
+import torch
+from diffusers import StableDiffusionPipeline
+
+# 加载模型
+pipe = StableDiffusionPipeline.from_pretrained(
+ "runwayml/stable-diffusion-v1-5",
+ torch_dtype=torch.float16
+).to("cuda")
+
+# 生成
+prompt = "A cat sitting on a couch, digital art"
+image = pipe(prompt).images[0]
+
+# 保存
+image.save("cat.png")
+```
+
+### 项目 3: 图像描述
+
+```python
+from transformers import BlipProcessor, BlipForConditionalGeneration
+
+processor = BlipProcessor.from_pretrained("Salesforce/blip-image-captioning-base")
+model = BlipForConditionalGeneration.from_pretrained("Salesforce/blip-image-captioning-base")
+
+image = Image.open("image.jpg")
+
+inputs = processor(image, return_tensors="pt")
+
+out = model.generate(**inputs)
+caption = processor.decode(out[0], skip_special_tokens=True)
+
+print(caption)
+```
+
+---
+
+## 多模态模型的应用
+
+### 1. 内容创作
+
+- 根据文本生成图像
+- 图像编辑
+- 视频生成
+
+### 2. 搜索和检索
+
+- 以图搜图
+- 文本搜图
+- 图文混合检索
+
+### 3. 医疗诊断
+
+- 医学影像分析
+- 结合病历诊断
+- 辅助手术
+
+### 4. 教育
+
+- 图文教学
+- 交互式学习
+- 视频理解
+
+### 5. 自动驾驶
+
+- 场景理解
+- 多传感器融合
+- 决策辅助
+
+---
+
+## 多模态的挑战
+
+| 挑战 | 说明 |
+|------|------|
+| **对齐** | 如何让不同模态对齐到同一语义空间 |
+| **数据** | 高质量多模态数据稀缺 |
+| **计算** | 处理图像和视频需要大量计算 |
+| **评估** | 如何评估多模态理解能力 |
+| **偏见** | 可能继承多个模态的偏见 |
+
+---
+
+## 最新进展 (2024-2025)
+
+### 1. 视频多模态
+
+- 视频理解（Video-LLaVA、InternVideo）
+- 视频生成（Sora、Runway）
+
+### 2. 音频多模态
+
+- 语音理解（Whisper）
+- 语音合成（TTS）
+- 音频分类
+
+### 3. 3D 多模态
+
+- 3D 物体识别
+- 3D 生成
+- 场景理解
+
+### 4. 传感器融合
+
+- 激光雷达 + 摄像头
+- 多模态自动驾驶
+
+---
+
+## 如何选择模型？
+
+| 任务 | 推荐模型 |
+|------|----------|
+| **图文检索** | CLIP, BLIP |
+| **图像理解** | LLaVA, GPT-4V |
+| **图像生成** | Stable Diffusion, DALL·E |
+| **视频理解** | Video-LLaVA, InternVideo |
+| **音频理解** | Whisper |
+
+---
+
+## 💡 学习建议
+
+### 必须理解
+
+- ✅ 对比学习的概念
+- ✅ 视觉编码器（ViT）
+- ✅ 如何连接视觉和语言模型
+- ✅ 零样本学习
+
+### 可以简化
+
+- 💡 具体的数学推导
+- 💡 训练细节（预训练 + 微调）
+
+---
+
+## 📝 总结
+
+### 关键要点
+
+- ✅ 多模态 = 处理多种数据类型
+- ✅ CLIP 是基础架构
+- ✅ LLaVA 连接视觉和 LLM
+- ✅ 应用广泛（搜索、生成、理解）
+
+### 下一步
+
+- [ ] 用 CLIP 做图文检索
+- [ ] 用 Stable Diffusion 生成图像
+- [ ] 尝试 LLaVA 进行图文对话
+- [ ] 关注最新的多模态论文
+
+---
+
+## 🔗 相关资源
+
+- [CLIP Paper](https://arxiv.org/abs/2103.00020)
+- [BLIP Paper](https://arxiv.org/abs/2201.12086)
+- [LLaVA Paper](https://arxiv.org/abs/2304.08485)
+- [Hugging Face Multimodal](https://huggingface.co/docs/transformers/multimodal)
+
+---
+
+**继续学习 [LLM](../llm/README.md) 或 [深度学习](../deep-learning/README.md)！** 🚀
diff --git a/multimodal/blip.md b/multimodal/blip.md
new file mode 100644
index 0000000..386a4e5
--- /dev/null
+++ b/multimodal/blip.md
@@ -0,0 +1,105 @@
+# BLIP 系列
+
+> **理解 + 生成双任务的多模态模型**
+
+---
+
+## 概述
+
+**BLIP** (Bootstrapping Language-Image Pre-training) 由 Salesforce 在 2022 年提出。
+
+创新点：**同时训练理解和生成能力**
+
+---
+
+## BLIP vs CLIP
+
+| 特性 | CLIP | BLIP |
+|------|------|------|
+| 任务 | 对比学习 | 理解 + 生成 |
+| 能力 | 图文匹配 | 图文理解 + 描述生成 |
+| 架构 | 对比学习 | 多任务学习 |
+
+---
+
+## BLIP 家族
+
+| 模型 | 发布时间 | 特点 |
+|------|----------|------|
+| BLIP | 2022.01 | 首次提出 |
+| BLIP-2 | 2023.01 | 冻结 ViT + Q-Former |
+| BLIP-3 | 2023 | 更大模型，更好性能 |
+
+---
+
+## BLIP-2 核心创新
+
+### Q-Former 架构
+
+```
+图像 → 冻结的 ViT → Q-Former → LLM
+文本 → 冻结的 LLM
+
+优势：
+- 只训练 Q-Former（轻量级）
+- 利用强大的预训练模型
+- 训练成本大幅降低
+```
+
+---
+
+## 实战代码
+
+### 图像描述生成
+
+```python
+from transformers import BlipProcessor, BlipForConditionalGeneration
+from PIL import Image
+
+processor = BlipProcessor.from_pretrained("Salesforce/blip-image-captioning-base")
+model = BlipForConditionalGeneration.from_pretrained("Salesforce/blip-image-captioning-base")
+
+image = Image.open("image.jpg")
+
+# 无条件描述
+inputs = processor(image, return_tensors="pt")
+out = model.generate(**inputs)
+caption = processor.decode(out[0], skip_special_tokens=True)
+print(f"Caption: {caption}")
+
+# 条件描述
+inputs = processor(image, text="a photo of", return_tensors="pt")
+out = model.generate(**inputs)
+caption = processor.decode(out[0], skip_special_tokens=True)
+print(f"Caption: {caption}")
+```
+
+### 视觉问答 (VQA)
+
+```python
+from transformers import BlipProcessor, BlipForQuestionAnswering
+
+processor = BlipProcessor.from_pretrained("Salesforce/blip-vqa-base")
+model = BlipForQuestionAnswering.from_pretrained("Salesforce/blip-vqa-base")
+
+image = Image.open("image.jpg")
+question = "What color is the cat?"
+
+inputs = processor(image, question, return_tensors="pt")
+out = model.generate(**inputs)
+answer = processor.decode(out[0], skip_special_tokens=True)
+print(f"Answer: {answer}")
+```
+
+---
+
+## 应用场景
+
+- 📝 图像描述生成
+- ❓ 视觉问答
+- 🔍 图文检索
+- 📊 图像-文本对过滤
+
+---
+
+**继续学习 [LLaVA](llava.md)！**
diff --git a/multimodal/clip.md b/multimodal/clip.md
new file mode 100644
index 0000000..47a6fb8
--- /dev/null
+++ b/multimodal/clip.md
@@ -0,0 +1,103 @@
+# CLIP (Contrastive Language-Image Pre-training)
+
+> **图文理解的基石**
+
+---
+
+## 概述
+
+**CLIP** 由 OpenAI 在 2021 年提出，是一个连接文本和图像的模型。
+
+核心思想：**用对比学习让文本和图像映射到同一语义空间**
+
+---
+
+## 工作原理
+
+### 1. 对比学习
+
+```
+图像编码器 → 图像向量
+文本编码器 → 文本向量
+
+损失函数：
+- 正样本对（图像-文本匹配）：拉近
+- 负样本对（图像-文本不匹配）：推远
+```
+
+### 2. 零样本能力
+
+训练好的 CLIP 可以：
+- 不需要额外训练
+- 直接对图像分类
+- 理解未见过的类别
+
+---
+
+## 实战代码
+
+### 零样本图像分类
+
+```python
+from transformers import CLIPProcessor, CLIPModel
+from PIL import Image
+
+model = CLIPModel.from_pretrained("openai/clip-vit-base-patch32")
+processor = CLIPProcessor.from_pretrained("openai/clip-vit-base-patch32")
+
+image = Image.open("cat.jpg")
+texts = ["a cat", "a dog", "a bird", "a car"]
+
+inputs = processor(text=texts, images=image, return_tensors="pt", padding=True)
+outputs = model(**inputs)
+
+logits_per_image = outputs.logits_per_image
+probs = logits_per_image.softmax(dim=1).tolist()[0]
+
+for text, prob in zip(texts, probs):
+ print(f"{text}: {prob:.2%}")
+```
+
+### 图文检索
+
+```python
+from sklearn.metrics.pairwise import cosine_similarity
+
+# 编码图像
+image_features = model.get_image_features(inputs.pixel_values)
+# 编码文本
+text_features = model.get_text_features(inputs.input_ids)
+
+# 计算相似度
+similarity = cosine_similarity(
+ image_features.detach().numpy(),
+ text_features.detach().numpy()
+)
+```
+
+---
+
+## 应用场景
+
+- 📸 图像分类
+- 🔍 图文检索
+- 🎨 图像生成（作为引导）
+- 📊 图像-文本对齐
+
+---
+
+## 优缺点
+
+### 优点
+- ✅ 零样本能力强
+- ✅ 训练数据简单（图像-文本对）
+- ✅ 可迁移性强
+
+### 缺点
+- ❌ 对细粒度理解有限
+- ❌ 计算成本较高
+- ❌ 需要大量训练数据
+
+---
+
+**继续学习 [BLIP 系列](blip.md)！**
diff --git a/multimodal/llava.md b/multimodal/llava.md
new file mode 100644
index 0000000..876d03f
--- /dev/null
+++ b/multimodal/llava.md
@@ -0,0 +1,134 @@
+# LLaVA (Large Language-and-Vision Assistant)
+
+> **连接视觉和语言模型，实现多模态对话**
+
+---
+
+## 概述
+
+**LLaVA** 于 2023 年提出，是一个连接视觉编码器和 LLM 的多模态模型。
+
+核心思想：**将图像向量作为 LLM 的输入，实现图文对话**
+
+---
+
+## 架构
+
+```
+图像 → CLIP ViT → 线性投影 → LLM Token
+文本 → LLM Token
+
+拼接后输入 LLM
+```
+
+### 关键组件
+
+1. **视觉编码器**：CLIP ViT
+2. **投影层**：线性层 + MLP
+3. **语言模型**：Vicuna / LLaMA
+
+---
+
+## 训练方法
+
+### 两阶段训练
+
+1. **预训练**
+ - 冻结视觉编码器和 LLM
+ - 只训练投影层
+ - 使用图像-文本对
+
+2. **微调**
+ - 解冻投影层和部分 LLM 参数
+ - 使用多模态对话数据
+ - 端到端优化
+
+---
+
+## 实战代码
+
+### 多模态对话
+
+```python
+import torch
+from transformers import AutoProcessor, LlavaForConditionalGeneration
+
+model = LlavaForConditionalGeneration.from_pretrained("llava-hf/llava-1.5-7b-hf")
+processor = AutoProcessor.from_pretrained("llava-hf/llava-1.5-7b-hf")
+
+prompt = "USER: \nWhat's in this image?\nASSISTANT:"
+image = Image.open("image.jpg")
+
+inputs = processor(text=prompt, images=image, return_tensors="pt")
+
+output = model.generate(**inputs, max_new_tokens=100)
+response = processor.decode(output[0], skip_special_tokens=True)
+print(response)
+```
+
+### 复杂推理
+
+```python
+prompt = """USER:
+请详细描述这张图片中的：
+1. 主要物体
+2. 场景背景
+3. 颜色和风格
+4. 可能的故事情节
+
+ASSISTANT:"""
+
+inputs = processor(text=prompt, images=image, return_tensors="pt")
+output = model.generate(**inputs, max_new_tokens=200)
+response = processor.decode(output[0], skip_special_tokens=True)
+print(response)
+```
+
+---
+
+## LLaVA 家族
+
+| 模型 | 参数量 | 特点 |
+|------|--------|------|
+| LLaVA-1.5 | 7B/13B | 轻量级，效果好 |
+| LLaVA-NeXT | 34B | 更强推理能力 |
+| LLaVA-1.6 | 72B | 最强性能 |
+
+---
+
+## 应用场景
+
+- 💬 多模态对话
+- 🔍 图像理解
+- 🎨 视觉推理
+- 📊 OCR + 语义理解
+- 📐 数学图像理解
+
+---
+
+## 优势
+
+- ✅ 强大的对话能力
+- ✅ 灵活的多模态理解
+- ✅ 可以处理复杂指令
+- ✅ 开源且可部署
+
+---
+
+## 限制
+
+- ❌ 计算成本高（需要大模型）
+- ❌ 长文本推理仍有挑战
+- ❌ 视觉细节理解有限
+
+---
+
+## 相关资源
+
+- [LLaVA GitHub](https://github.com/haotian-liu/LLaVA)
+- [LLaVA Paper](https://arxiv.org/abs/2304.08485)
+- [Hugging Face Models](https://huggingface.co/models?search=llava)
+
+---
+
+**恭喜！你已经完成了多模态的核心学习！** 🎉
diff --git a/projects/README.md b/projects/README.md
new file mode 100644
index 0000000..c6cfb3e
--- /dev/null
+++ b/projects/README.md
@@ -0,0 +1,194 @@
+# 项目实战
+
+> **理论结合实践，从学习者到开发者**
+
+---
+
+## 🎯 为什么做项目？
+
+学了很多理论，不知道怎么用？
+
+**项目能帮你：**
+- ✅ 巩固知识（用过才忘不掉）
+- ✅ 建立作品集（求职加分）
+- ✅ 发现问题（理论学习看不到）
+- ✅ 积累经验（踩坑是最好的老师）
+
+---
+
+## 📋 推荐项目
+
+### 新人友好（1-2 周）
+
+| 项目 | 技术栈 | 难度 |
+|------|--------|------|
+| **房价预测** | 线性回归 + Pandas | ⭐ |
+| **手写数字识别** | CNN + PyTorch | ⭐⭐ |
+| **情感分析** | BERT + HuggingFace | ⭐⭐ |
+
+### 进阶项目（2-4 周）
+
+| 项目 | 技术栈 | 难度 |
+|------|--------|------|
+| **推荐系统** | 协同过滤 + 深度学习 | ⭐⭐ |
+| **图像分类器** | ResNet + 迁移学习 | ⭐⭐ |
+| **问答机器人** | RAG + LangChain | ⭐⭐⭐ |
+
+### 高级项目（1-2 月）
+
+| 项目 | 技术栈 | 难度 |
+|------|--------|------|
+| **多模态 Agent** | LLaVA + LangChain | ⭐⭐⭐ |
+| **定制 LLM** | LoRA 微调 | ⭐⭐⭐ |
+| **实时分析系统** | MLOps + 部署 | ⭐⭐⭐ |
+
+---
+
+## 🚀 项目开发流程
+
+### 1. 确定目标
+
+```
+问题 → 目标 → 指标
+```
+
+例子：
+- 问题：预测房价
+- 目标：预测准确率 > 80%
+- 指标：MSE, MAE, R²
+
+### 2. 收集数据
+
+```python
+# 数据来源
+- 公开数据集（Kaggle, UCI）
+- 爬虫获取
+- 自己标注
+- 合成数据
+```
+
+### 3. 数据探索
+
+```python
+import pandas as pd
+import matplotlib.pyplot as plt
+
+# 查看数据
+df.head()
+df.info()
+df.describe()
+
+# 可视化
+df.hist()
+df.plot.scatter(...)
+```
+
+### 4. 特征工程
+
+```python
+# 特征选择
+# 特征转换
+# 特征缩放
+# 处理缺失值
+```
+
+### 5. 模型训练
+
+```python
+from sklearn.model_selection import train_test_split
+from sklearn.linear_model import LinearRegression
+
+X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
+
+model = LinearRegression()
+model.fit(X_train, y_train)
+
+y_pred = model.predict(X_test)
+```
+
+### 6. 评估优化
+
+```python
+from sklearn.metrics import mean_squared_error, r2_score
+
+mse = mean_squared_error(y_test, y_pred)
+r2 = r2_score(y_test, y_pred)
+
+print(f"MSE: {mse}, R²: {r2}")
+```
+
+### 7. 部署上线
+
+```python
+# FastAPI
+# Streamlit
+# Docker
+# 云服务
+```
+
+---
+
+## 💡 项目技巧
+
+### 1. 从小开始
+
+- ❌ 不要一开始就想做大项目
+- ✅ 先跑通简单版本，再逐步复杂化
+
+### 2. 记录过程
+
+```
+项目笔记结构：
+## [项目名]
+### 目标
+### 数据
+### 模型
+### 结果
+### 踩坑
+### 改进方向
+```
+
+### 3. 寻求反馈
+
+- 在 GitHub 上开源
+- 写博客分享
+- 参加竞赛或 hackathon
+
+---
+
+## 📚 学习资源
+
+### 数据集
+
+- [Kaggle Datasets](https://www.kaggle.com/datasets)
+- [UCI Machine Learning Repository](https://archive.ics.uci.edu/ml/)
+- [Google Dataset Search](https://datasetsearch.research.google.com/)
+
+### 工具
+
+- [Jupyter](https://jupyter.org/)
+- [Google Colab](https://colab.research.google.com/)
+- [Hugging Face Spaces](https://huggingface.co/spaces)
+
+### 灵感
+
+- [Awesome Machine Learning](https://github.com/josephmisiti/awesome-machine-learning)
+- [Papers with Code](https://paperswithcode.com/)
+
+---
+
+## 🎯 行动清单
+
+选择一个项目，开始动手！
+
+- [ ] 确定项目目标
+- [ ] 收集数据
+- [ ] 探索数据
+- [ ] 训练模型
+- [ ] 评估结果
+- [ ] 部署上线
+- [ ] 写文档分享
+
+---
+
+**祝你项目成功！** 🚀