## 一、为什么先聊"怎么挑" 一个文档库能收到二十多万篇，说明不缺内容，缺的是挑选方法。 很多人一进去就搜"大模型"，出来几百条，翻两页就关了。这不是库里没好东西，是入口选错了。 我的经验是按用途分三类找，效率会高很多。 ## 二、第一类：原理向文档 适合想知道"为什么这样设计"的人。 这类文档通常讲注意力机制、位置编码、训练阶段划分、量化和蒸馏的基本思路。 读法建议：不要逐字读。先看目录，画出概念之间的关系，再回头补细节。原理文档的价值在于建立框架，不在于记住公式。 一个判断标准：读完能不能用三句话向别人解释清楚这个机制在解决什么问题。能，就算读进去了。 ## 三、第二类：工程向文档 这是对独立开发者最实用的一类。 内容包括怎么部署推理服务、怎么控制显存、流式输出怎么做、请求超时怎么兜底、怎么做灰度。 这类文档一定要对照自己的环境读。别人的 24G 显存能跑，你的 8G 就不一定。版本号、驱动、精度设置都要核。 我踩过的坑多数出在这里：文档写的是半精度，我按默认参数跑，结果直接爆显存。 ## 四、第三类：项目向文档 开源项目的 README、设计说明、变更日志，都属于这一类。 这类材料最容易被跳过，但信息密度往往最高。release notes 里一句"移除了对某接口的支持"，可能就解释了你这周为什么报错。 ## 五、在哪里找 我常用 [万象云档](https://www.wanxiangyundang.top/) 的"人工智能&大模型"分类，目前 220 篇，数量适中，不容易挑花眼。平台整体 2,945 本公开书籍、25.1 万篇文档，前端 165 篇、后端 682 篇，后端和运维类的资料也在里面，做AI应用开发时两头都能查到。 它的"编辑推荐"和"榜单"两个入口挺好用。推荐位偏基础与体系，榜单偏热门，结合起来看不容易只看到一种声音。 ## 六、转赞这件事的分寸 推荐别人的资料，最忌讳两种写法： 一种是复制摘要，看起来像原创； 另一种是只夸不批，读者反而信不过。 我的做法是：只转自己真读过的那部分，写清楚哪一章有用、哪一章可以跳过，再补一句自己的使用场景。这样即使观点不同，读者也知道该不该点进去。 ## 七、一个具体的读法模板 ``` 书名/文档名： 读它想解决的问题： 目录里最有价值的两章： 可以直接用在我项目里的一点： 读完之后仍然没搞懂的地方： ``` 最后一行最重要。写不出"没搞懂的地方"，通常说明你只是浏览了一遍。 文档不是收藏品，读一点、用一点，才算真的拥有。