(重磅软件)AI基础知识与自学软件

一、先看它长什么样

打开之后是一屏三栏：左边目录、中间正文、右边演示。这个布局从 V1 到 V3.1 没改过，因为它恰好对应了学习的三个动作——找知识、读知识、动知识。

图 1｜三栏界面：左侧目录树 · 中间正文与公式 · 右侧可交互演示（这幅图画的是 AI / 机器学习 / 深度学习 / 大模型四层套娃关系）

顶栏那一排小按钮，是这两年陆续加的。从左到右依次是：代码对照、中 / EN、术语表、教师模式、学习报告、速查表、错题本、随机组卷、讲稿要点，再往右是搜索框、学习路径、使用帮助、切换暗色、进度条、在线状态。

按钮多到有点挤，我知道。但每一个都对应一个真实的课堂窘境——下面我尽量把它们的来历说清楚。

图 2｜点左侧任一条目，正文与右侧演示一起切换；正文里的虚线词鼠标悬停即出解释

二、从"看得见"开始：58 个交互演示

全部 58 个知识点，每个都配了一个独立演示（共 58 个）。演示不是录好的动画，是真的在浏览器里算：你拖滑块，模型就重算一遍，画布和状态栏同步变。

过拟合是最值得亲手拖一次的那个。把多项式次数从 1 拉到 9，看训练误差怎么一路降到底、测试误差怎么在中段拐头向上——U 形就出来了：

图 3｜过拟合演示：次数 9 时拟合曲线开始剧烈震荡，状态栏给出"次数=9 训练 MSE=0.028 测试 MSE=0.101 比值=3.68 偏过拟合"

这条状态栏是整套软件里我最满意的设计：它不告诉你"这是过拟合"，它给你三个数，让你自己看出来这是过拟合。

学习曲线把这个判断变成诊断。两条曲线之间的缝，就是泛化差距：

图 4｜学习曲线演示：训练/验证误差随样本量变化的走势，用来区分"欠拟合"和"过拟合"

梯度下降则把"下山"画成真的山。可以换学习率、换动量、换损失曲面形状（凸碗、Rosenbrock 香蕉形、鞍点、噪声）；看小球冲过头、来回震荡、或者卡在鞍点上不动：

图 5｜梯度下降演示：学习率 0.15、动量 0 时小球逐代逼近最低点，右侧同步画出参数轨迹

分类算法里，K 近邻最适合第一次上手——因为它可以"点着玩"。左键在画布上点一个 A 类样本，右键点一个 B 类样本，决策边界当场重排：

图 6｜KNN：K=5 时查询点周围圈出 5 个邻居，背景色就是这 5 票投出来的决策边界

决策树演示有个小细节值得一提：它允许你在右侧同时看到"树结构"和"它切出来的空间"。深度调到 2 是干净的横平竖直，调到 7 就开始为个别噪声点长出孤立的小格子——这就是"树不加限制会过拟合"的视觉证据：

图 7｜决策树：左边是划分后的特征平面，右边是同一次划分对应的树结构，逐个节点可以悬停查看

线性回归是坐标系里最朴素的一块砖。点"自动拟合"，参数按梯度下降一步步逼近最小二乘解；再点"加入离群点"，直线会被一个点生生拽偏——平方误差对离群点敏感，这一下比讲十遍公式管用：

图 8｜线性回归：残差竖线、当前 w/b 与 MSE 实时显示；下方"▶ 自动拟合（梯度下降）"看清参数如何爬向最优

三、三个实验台：从"看别人演"到"自己动手"

演示再好看，也是别人搭好的台子。所以 V3 专门做了三个实验台，把方向盘交出去。

实验台① · 三维损失地形与优化器竞技场。把损失曲面真的画成一座山，SGD / Momentum / Adam 三个优化器从同一点出发，看谁先到、谁在震荡、谁被鞍点困住：

图 9｜三维损失地形：可旋转的画布 + 三条下降轨迹对比，右侧是同步的等高线轨迹图

实验台② · 数据实验室。内置十一组数据，也可以直接拖入你自己的 CSV，选好特征列和目标列就能跑回归、聚类或 PCA：

图 10｜数据实验室：导入 CSV、选列、选任务，结果图与指标一次给出

实验台③ · 算法对比台。同一份数据、同一个训练/测试划分，逻辑回归、KNN、决策树、线性 SVM 四个模型四格并排，各自画出决策边界：

图 11｜算法对比台：四格同屏对比，边界形状的差异一眼可见（直线 / 任意形 / 阶梯 / 最大间隔）

这四张图放在一起，比任何一张"算法对比表"都更能说明问题：模型没有好坏，只有匹配不匹配数据的形状。

四、学完怎么验收：342 道题的四条闭环

每个知识点末尾都有随堂小测，全库共 342 道。题型四种混排——单选、判断、填空、排序（把乱序的步骤拖回正确顺序）。提交即判分，答错给出解析并自动进错题本：

图 12｜随堂小测：单选 / 判断 / 填空 / 排序四种题型混排，答错立即给出解析与正确答案

然后是错题本（只收错的，答对自动移出）、随机组卷（按板块或全局抽 10 题，限时）、学习报告（按板块统计已学 / 已答 / 正确率，可打印导出 PDF）：

图 13｜学习报告：总体进度、小测正确率、六板块明细、错题待复习清单，一键打印或导出 PDF

四级闭环是：学 → 练 → 错 → 补。学完立刻练，错了自动收，补的时候只补错的那几个点。听起来平淡，但它解决了自学最大的隐形问题：你以为你学完了。

五、中文语境的两件苦差事

读中文教材学机器学习的人，多半被两件事折磨过：术语对不上英文，以及代码和公式对不上号。

第一件，做了 159 条中英对照术语表：双向搜索（输"注意力"或"attention"都行）、每条带一句释义、可打印导出、也能导出 CSV。正文里顶栏那个"中 / EN"开关打开后，术语悬停卡片会同时显示英文：

图 14｜中英术语对照表：159 条，中英双向搜索，支持打印 / 导出 PDF 与导出 CSV

第二件，做了 20 段代码对照。每个带"代码对照"按钮的知识点，都能弹出三栏：手写实现（与左侧演示逐行对应）、scikit-learn 写法、PyTorch 写法，注释里明确标出"这一行对应演示里哪一步"：

图 17｜代码对照：手写实现 / sklearn / PyTorch 三栏并列，注释逐行对齐屏幕上的动画

这是我个人最常用的一个功能。看懂动画不难，难的是把动画翻译成代码——中间那一层"这段循环就是在做刚才那个动作"的对应关系，光靠脑补很吃力。

六、给教师的一套东西

这个软件本来就是在备课过程中长出来的，所以"课堂上怎么用"是硬需求，不是附加项。

教师模式（Ctrl+J）：放大字号、压暗背景、把演示区推到视觉最前，投影仪边上坐着最后一排学生也能看清。配合暗色主题，教室开着灯也不刺眼：

图 20｜教师模式 + 暗色主题：字号放大、对比度提高，适合投影仪投到教室大屏

讲稿要点：每个知识点都能弹出一页提纲，按"一句话简介 → 原理要点 → 常见误区 → 可以追问的问题"排列。备课时直接照着走，不用回头翻书：

图 18｜讲稿要点：按知识点自动生成讲授提纲，备课和课堂提问都能直接照着走

速查表：一张表把 58 个知识点全部列出来——配哪个演示、要点是什么、有几道题。全场打印出来就是一份课程大纲，学生考前当复习清单也合适：

图 16-1｜速查表第一页：板块 1–3 的知识点 × 演示 × 要点 × 题量，可直接打印成课程大纲

还有学习路径两条：新手入门（22 站，基础补盲 → 传统算法 → 深度学习 → 大模型）、快速复习（20 站，直奔主干跳过铺垫）。左侧卡片点一下，就按顺序一站一站往下走，进度条自己会走。

投屏时还有个小开关叫 f：把右侧演示面板单独全屏，讲解时不会被正文抢走视线。

七、怎么用：一张速查表

下面这张表建议截图存手机。

下表左边是"你想干什么"，右边是"按哪里"。

快捷键不多，记三个最常用的就够：/ 搜索、t 切主题、? 看全部帮助。教师再加两个：Ctrl+J 教师模式、f 演示全屏。

图 19｜按 ? 唤出的完整快捷键表，含无障碍说明：所有目录项、按钮、画布都能 Tab 聚焦

八、它刻意不做什么

写到这里，也该说说边界，免得下载后失望：

它不训练大模型。演示里的模型都是几十到几千参数的玩具，参数是手写公式算出来的，为的是让你看清过程，不是跑出能用的模型。

它不替代教材。它是一层"可视化外挂"：公式推导、定理证明还得回去读书。

它不是在线课程。没有账号、没有视频、没有讲师；就是一个网页，你的学习记录存在浏览器本地，换台电脑就带不走。

九、写在最后

做这个东西最初的原因很具体：讲"过拟合"的时候，我在黑板上画了六条曲线，画到第七条的时候自己都乱了。学生点头，但我知道那是礼貌的点头。

后来把这件事交给滑块，一切就简单了——把次数从 1 拉到 9，让曲线自己乱给你看。那一届学生里，有人课后跟我说他回去把每个演示都拖了一遍。我想，这可能就是它存在的意义。

需要软件的把这篇文章发朋友圈，加老海微信索取，关注“海疆智造”抖音号在相应的视频下获取软件密码：