KP-01 · Karpathy

01 / 16

Karpathy 的 AI 学习与使用方法

把讲座与文章中的方法整理成可回查的个人工作流程。

  • 为阅读、研究、计算和开发提供具体对象。
  • 用检查办法约束结果，保留适用条件。
  • 把原始材料、派生知识和实验记录分开。

KP-01 · Karpathy

02 / 16

AI 辅助学习与使用架构

AI 辅助学习与使用架构
具体问题进入对话，资料和工具补充事实，独立检查后形成可复用方法卡。

KP-01 · Karpathy

03 / 16

资料地图与时间

材料用途证据性质
How I use LLMs对话、搜索、文件与计算2025 年讲座
编程 Agent 笔记成功标准与修改范围作者个人经验
Verifiability检查办法的价值2025-11-17 方法观点
LLM Wiki原始资料与派生知识2026-04-04 概念方案

KP-01 · Karpathy

04 / 16

上下文与对话方法

  • 给出具体代码、数据和工作对象。
  • 说明目标、已知条件和结果用途。
  • 追问数值例子、失败输入与失效前提。
  • 自己复述后用代码或来源检查，语气自信不等于正确。

KP-01 · Karpathy

05 / 16

阅读和研究

01

发现与问题有关的资料。

02

读取正文，记录原文位置。

03

比较证据、条件与没有回答的部分。

04

形成解释，并保留回到原文的路径。

KP-01 · Karpathy

06 / 16

搜索与来源回查

  • 搜索摘要只是线索，结论需读原文。
  • 关键结论登记证据类型和自己的解释。
  • 遇到文档与实现冲突，保留两项材料并说明版本。
  • 本地 129 分钟剪辑不与完整原视频猜测统一偏移。

KP-01 · Karpathy

07 / 16

代码与数据工具

交给工具

  • 按明确公式计算。
  • 保存输入、口径和结果。
  • 用独立样本复算关键数值。

仍需判断

  • 缺失值是什么含义。
  • 指标能否代表真实体验。
  • 运行成功是否满足业务要求。

KP-01 · Karpathy

08 / 16

编程 Agent 协作

  • 任务有具体成功条件和真实失败样本。
  • 检查假设、无关改动与多余抽象。
  • 让可执行反馈进入下一轮调查。
  • 作者工作比例与速度自述不能当成本项目收益。

KP-01 · Karpathy

09 / 16

可验证性

任务可执行反馈仍需判断
CSV 检查已知输入和期望异常规则是否符合业务
耗时统计公式与复算指标代表什么
建筑布局越界、碰撞与引用构图和风格
学习稿引用、覆盖与链接解释是否容易理解

KP-01 · Karpathy

10 / 16

知识记录与复用

01

原始材料保持出处与内容。

02

派生正文保存解释与交叉引用。

03

实验记录说明实际执行及未测范围。

04

新证据纠正旧结论时更新正文，保留修改理由。

KP-01 · Karpathy

11 / 16

帧耗时数据案例

有效观测均值
13 ms
缺失值当零
10.4 ms
  • 教学输入：10、12、缺失、14、16 ms。
  • 正确分母为四个有效观测；错误口径让结果看似更快。
  • 没有真实性能采集，也没有在线模型分析。

KP-01 · Karpathy

12 / 16

TA 应用卡

方法练习接受条件
先定计算口径复算有效帧耗时13 ms；分母为 4
先定成功标准资产缺列任务修复前复现、修复后通过
保留来源路径包依赖差异卡返回清单并标注版本

KP-01 · Karpathy

13 / 16

适用边界

  • 旧产品体验不等于当前操作指南。
  • 程序退出码不能替代美术风格评价。
  • 简单基线优先，改变一个关键因素再比较。
  • 反馈不稳定的任务缩小范围或增加人工评审。

KP-01 · Karpathy

14 / 16

方法卡练习与验收

  • 写三张来源不同的方法卡。
  • 每张记录问题、来源、条件和检查办法。
  • 至少一张有反例，另一张说明人的判断职责。
  • 完成复述与检查后，再纳入长期流程。

KP-01 · Karpathy

15 / 16

学习与使用方法思维导图

学习与使用方法思维导图
对话、阅读、搜索、工具、开发和知识维护，都需要具体来源与可检查结果。

KP-01 · Karpathy

16 / 16

文章、视频与时间定位

核验日期：2026-10-10。效率比例属于作者经验，未作为本项目评测。