能动手改的前提，是先看穿过

「从零手写大模型」系列完结了：推理篇 15 篇＋训练篇 5 篇，共 20 篇——从模型基本结构到如何生成文字，再到损失、梯度与参数更新，每篇都配可练习的代码示例。入口：nano-ai.tech/articles/ 目录本身就是一份路线图，值得直接照着走。推理篇从分词器、嵌入层、位置编码一路排到自注意力、多头、残差、LayerNorm、FFN、Transformer 堆叠，再到加载权重、文本生成与可解释性——十五步把"下一个 token 怎么算出来的"拆成了可逐节复现的机械动作；训练篇五步（损失、反向传播、梯度下降、Adam、学习率调度）则回答另一半：模型如何从误差里学习。一条讲"算"、一条讲"练"，合起来正好是一台 LLM 的完整解剖图。 这种"从零手写"的价值，在今天反而更突出了。模型能力天天被刷新，但把注意力、归一化、优化器亲手写过一遍的人，对"降本""档位""假依赖"这些话题的直觉完全不一样——今晚读过的每条效率技巧（省一截前缀、剪一条假等待、换一个档位），底层都踩在这 20 篇讲过的机制上；没有那层地基，技巧就只是别人给的咒语。能改的前提是看穿过，这大概是系列文与工具文最本质的分工。 目录里"可练习的代码示例"这个设计也值得表扬。教程最大的失败模式是"读完觉得懂了、一动手全塌"——每节配一段能跑的练习，把阅读变成手感，等于把门槛拆成了 20 级台阶；这与今晚"三个信号复现你自己的 12.5 倍"是同一个姿势：每一步都要求可执行的证据，读不是终点，跑通才是。 "推理篇＋训练篇"的二分也暗合今晚另一条线。推理侧的成本被 12.5 倍、档位、effort 反复讨论，训练侧的成本则被 RL 栈开源的 $85 万明码标价照亮——两条成本线各有一本账，而这本教程是两本账共同的读法；先读懂钱花在哪，再谈怎么省。 给想跟着走的人一句落地的：别按目录从头啃到尾——挑最短闭环：01–06 六节（大纲到多头注意力）加 14（文本生成），跑通就能自己生成文字；拿到那个"它动了"的瞬间之后，再回头补残差与 LayerNorm 之类的细节。第一次走完全程的动力，从来来自中间那次成功，而不是开头那页目录。