怎样阅读这套学习资料
V2.0 的 16 章构成一个独立完整版本。先用 首页 找到章节，再按自己的目标选择学习稿或演示。每章的学习稿讲清原理、案例、练习及来源；演示提炼关键关系，方便复习和讲解。
第一次系统学习
依次读完下面五段路线。章节编号用于定位，不表示不同版本或按周交付。
| 学习阶段 | 阅读章节 | 完成后应能做什么 |
|---|---|---|
| 理解计算与任务 | LLM-01 → LLM-02 → AG-01 → AG-02 | 区分生成、执行与验证，为任务提供足够的事实 |
| 学会编程工具 | CC-01 → CC-02 → CC-03 | 用项目规则和反馈，把需求变为可检查的改动 |
| 阅读人物实践 | KP-01 → LR-01 | 提炼适合自己的方法，并说清作者经验的适用条件 |
| 分析真实项目 | PCG-01 → PCG-02 → CY-01 → CY-02 → CY-03 | 追踪入口、数据、状态与验收，把项目经验转为自己的约束 |
| 判断能力与进展 | CAP-01 → X-01 | 为具体任务选能力，分开官方声明、作者观点与实测证据 |
建议每读一章完成三件事：用自己的话解释一张图；复查一个例子或来源；写出能用于自己项目的一条操作。练习应保留输入、输出、版本和检查结果，而不只保存一段看似完整的回答。
以 TA 工作为目标
如果已有编程基础，先读 AG-02 与 CC-03，再读 PCG-01／PCG-02。重点追踪资产、字段、坐标、算法和引擎结果。遇到 Token 或推理概念时回到 LLM 两章；需要选择图像、3D 或视觉能力时读 CAP-01。
实际任务可以从 Aipcg 项目导读 开始，把入口、数据格式、环境依赖和完成条件写清。纯 Python 检查通过与 Unreal 中场景可用需要各自的证据，不能互相替代。
以 Agent 产品或开发流程为目标
先读 AG-01／AG-02，随后读 LR-01 和 Cindy 三章。重点观察任务接受与完成的区别、状态归属、工具反馈、配置默认值，以及进程结束后怎样交接。CC-02 帮助选择扩展方式，CC-03 提供最小复现和评审方法。
把阅读结果写成“问题—做法—证据—适用条件—本项目应用”，再用 任务模板 定义一次小范围实验。效率记录应包含人工评审和返工；本书没有实测的吞吐量或成本，不应替自己的方案填上估计收益。
只做复习或讲解
在首页打开相应章节的演示。先看架构图理解关系，再看思维导图回忆概念；需要步骤、代码、数值和出处时切回学习稿。每份演示的封面和来源页均计入页数，独立一章不超过 20 页。
回查来源和视频
陌生术语可从 术语表 回到主讲章节。章节的来源编号与链接连接到 来源索引，不同证据的读法见 来源说明。原文无法本次在线复核时，材料明确说明使用本地副本。
视频工具、处理范围和公开出处见字幕精选案例。本网站不转载完整字幕；机器翻译结果仍需校对。相同音轨的两个文件只构成一份内容证据。
先做一个可复现的小实验
从项目根目录运行下面的教学脚本：
python V2.0/示例/学习实验/lab.py
阅读 实验说明 与 已有结果，解释资产 CSV 中的四项问题、温度示意分布和缺失性能值的处理。它是确定性教学实验，不是一场已执行的模型或 Agent 效果对比。
接着可按 CC-03 复查资产工作流示例；使用自己的模型开展对比时，另存完整输入、响应和判分记录。最后查看 交付与验收，了解本版本实际检查了哪些内容。