本讲目录

实验总览（lab01–lab10）

讲义负责"懂"，实验负责"会"。十个实验按课程顺序排列：lab01–07 纯本地运行（无需联网、无需 API key），lab08–10 需要 DeepSeek API key（总花费不到一元）。所有实验源代码都有密集的教学注释——代码本身就是讲义的一部分，建议逐块读懂再改参数玩。

运行方式

cd ~/ai-course
.venv/bin/python labs/lab01_find_function.py     # 以 lab01 为例

图表会弹窗显示，同时自动保存到 labs/output/。lab08–10 首次运行前：

cp labs/.env.example labs/.env
# 编辑 labs/.env，填入 platform.deepseek.com 创建的 API key

实验	配套讲次	内容	依赖
lab01 拟合与过拟合	01	多项式拟合亲手制造欠/过拟合，画出 U 形曲线，岭正则救场	本地
lab02 感知机与 SVM	02	从零实现感知机看收敛；SVM 线性/RBF 核对比、圈支持向量、调 C	本地
lab03 决策树与贝叶斯	03	手算信息增益；树深过拟合可视化；从零写垃圾短信分类器（平滑对照）	本地
lab04 反向传播 *	04	纯 numpy 实现四个方程解 XOR + 数值梯度检查（全课程最值得手写）	本地
lab05 CNN 识数字	05	M4/MPS 上训小 CNN，对比全连接的参数量与准确率，可视化卷积核	本地*
lab06 注意力与 miniGPT	06	numpy 注意力矩阵可视化；用本课讲义当语料训一个 char-GPT	本地
lab07 Scaling Law	07	训一族不同宽度的 miniGPT，log-log 拟合出你自己的幂律指数	本地
lab08 提示词实验	08	直答 vs 思维链准确率、温度稳定性、自洽性投票，三组对照实验	API
lab09 手搓智能体 *	09	不用框架实现完整 agent loop：工具注册→模型决策→执行→回填	API
lab10 分析智能体	15	给模型一个 CSV 和 run_python 工具，看它自主探索出数据里埋的规律	API

*lab05 优先下载 MNIST（约 12MB），网络不通自动退回离线的 sklearn digits 数据集。

先跑通，再读码，再改坏：每个实验末尾都有"动手改改"清单——把参数改到极端、观察怎么坏，比看十遍正确结果学得多；
对照讲义公式读代码：lab04 的四个方程、lab06 的注意力实现，都是讲义公式的逐行直译，代码里标了对应小节；
(*) 两个必做：lab04（反向传播 + 梯度检查）与 lab09（手搓 agent loop）——前者是理解深度学习的地基，后者是祛魅"智能体"的最短路径。