新聞和文件裡那些名詞——Token、LoRA、量化、CoT、Agent、MCP、RAG—— 七堂課一次講懂。每個名詞一句話重點、一段真實工具的程式碼、 一個在瀏覽器裡親手玩的實驗；示範全部來自真實執行，不畫大餅。 不用數學背景、不用裝任何東西。
同一句話，中文比英文多花 70% 的 token——點四句話看真 tokenizer 怎麼下刀， 親手訓練一個迷你 BPE，再逛 16 個真向量的語意地圖。
開始上課 → TRAINING · 02預訓練燒 15 兆 token，LoRA 只調 0.5% 的參數——蒸餾的「暗知識」、 GRPO 的群組評分，全部真的算給你看。
開始上課 → SPEED · 038B 模型 fp16 要 15 GB、int4 只要 3.7 GB——KV Cache、量化、投機解碼、 MoE 一次拆完，你的顯卡塞不塞得下馬上知道。
開始上課 → REASONING · 04同一題，直接答是 55（錯）、一步一步想是 5（對）——實測紀錄重播給你看， 再看多數決怎麼從 6/9 的答對率投出正解。
開始上課 → AGENTS · 05模型自己決定「這題要查天氣」並吐出 JSON——四步實測 trace 重播， 拆穿 function calling 的水電工程，順便看懂 MCP 為什麼是 AI 界的 USB。
開始上課 → DEVSTYLE · 06同一個需求，四種交給 AI 的姿勢——context 塞對了直接省 69% token（實測）， 再看規格驅動開發怎麼把 vibe 變成工程。
開始上課 → RAG · 07沒給手冊，模型一本正經教你把咖啡機「裝滿咖啡液體」；給了手冊，句句有據—— 先查再答的全部數學，就是第 1 課那個 cosine。
開始上課 →