第0章：导论
版本： v2.2 最后更新： 2026-06-04
欢迎来到《Signals to Intelligence》教程。本章为整个教程提供路径指引和全书概览。
📚 本章内容
01_why_llm_era.md — 为什么是LLM时代？
从信号处理的历史视角，理解为什么大语言模型（LLM）成为了当今AI的中心。
核心问题：
- 从DSP到深度学习，再到LLM，这个演进的内在逻辑是什么？
- 为什么LLM能处理如此多样的任务？
- 传统信号处理的思想在LLM中如何体现？
学习时间： 15-20分钟
02_learning_paths.md — 学习路径
根据你的背景和目标，选择适合的学习路径。
三条路径：
- 快速通道 — 直接跳到LLM章节（第5-8章）
- 完整路径 — 从DSP基础开始，逐步深入（第1-8章）
- 深度探索 — 包含扩展内容和实验（所有章节 + extensions）
学习时间： 5-10分钟
03_overview.md — 全书概览
8章的内容结构、关键概念和学习目标。
章节速览：
- 第1章：DSP基础 — 信号的三种视角
- 第2章：优化与机器学习 — 从优化算法到传统ML
- 第3章：深度学习快速通道 — CNN、RNN、为什么Transformer更好
- 第4章：Transformer详解 — 自注意力机制
- 第5章：LLM基础 — 预训练、缩放律、In-context Learning
- 第6章：LLM应用 — Prompt、RAG、Agent、系统设计
- 第7章：多模态LLM — 视觉与语言的融合
学习时间： 10-15分钟
04_tools_and_infrastructure.md — 流行模型架构 & 工具链速览
了解当前LLM生态的主流模型，以及如何选择适合的工具链（API调用 vs 本地推理 vs 云部署）。
核心内容：
- 闭源模型（Claude、GPT-4）与开源模型（Qwen、Llama）的对比
- 模型架构演进和本教程涉及的关键模型
- API调用、本地部署、云端推理的决策表
- 快速开始建议
学习时间： 10-12分钟
可选阅读 — 这一节是可选的快速参考，帮助你快速了解工具链。如果你想立即开始学习理论内容，可以跳过，后续在需要时回来查看。
05_how_to_use_this_tutorial.md — 如何使用本教程
说明本教程的四种使用方式：在线阅读、本地运行代码、Notebook 交互实验和 CNB 云端环境。
核心内容：
- VitePress 正文、
code/脚本、Notebook 和云端环境分别适合什么场景 - 本地运行代码和测试的基本命令
- Notebook 为什么是交互补充，而不是正文或算法的第二份源头
- 维护者应该参考附录 E 的项目维护规则
学习时间： 5-8分钟
🎯 快速开始
第一次来？
- 5分钟快速了解 → 阅读 为什么是LLM时代？
- 选择你的路径 → 阅读 学习路径
- 了解全书结构 → 阅读 全书概览
- 了解工具链（可选） → 阅读 流行模型架构 & 工具链速览
- 选择使用方式 → 阅读 如何使用本教程
已有背景知识？
- 有DSP/信号处理背景 → 从第1章开始，快速过第2-3章，重点看第4-8章
- 有深度学习背景 → 快速过第1-3章，重点看第4-8章
- 有LLM使用经验 → 快速过第5章，重点看第6-8章
- 不知道用API还是本地推理？ → 先看 第4小节的决策表
- 不知道在线阅读、Notebook 还是本地代码怎么选？ → 先看 如何使用本教程
📖 学习建议
时间投入
- 快速通道（第5-8章）：8-12小时
- 完整路径（第1-8章）：20-30小时
- 深度探索（含扩展）：40-50小时
学习方式
- 阅读理论 — 理解核心概念
- 运行代码 — 动手实验，观察现象
- 修改参数 — 改变代码参数，看结果如何变化
- 扩展思考 — 查看 extensions/ 中的深度内容
环境准备
在开始之前，请确保 Python 3.10+ 已安装、虚拟环境已激活、依赖已安装。
两条路径选择：
→ 完整安装步骤见 附录B：环境配置
🔗 关键连接点
本教程的核心是展示从信号处理到LLM的演进。以下是关键的概念连接：
| 传统信号处理 | 深度学习 | LLM |
|---|---|---|
| 卷积 | CNN卷积核 | 注意力机制 |
| 傅里叶变换 | 频域特征 | 位置编码 |
| 梯度下降 | 反向传播 | 优化器 |
| 状态转移 | RNN隐状态 | Transformer隐状态 |
| 滤波器设计 | 特征学习 | 表示学习 |
| 信号检测 | 分类器设计 | 异常检测 |
| 参数估计 | 超参数优化 | 模型微调 |
详见第1章： 1.5 随机信号理论、1.6 信号检测、1.7 信号估计
📝 使用本教程
代码实验
每章都包含可运行的代码实验。运行方式：
# 激活虚拟环境
source venv/bin/activate
# 运行某个实验
python code/ch{N}_{topic}/{experiment}.py
# 例如
python code/ch01_dsp/fft_spectrum.py详见 附录C：代码运行指南
数学参考
遇到数学公式不确定？查看 附录A：数学备忘（基础公式）
需要图论、信息论、凸分析等专题？查看 附录D：数学基础速查表（含 extensions 深度阅读链接）
扩展内容
每章都有 extensions/ 目录，包含：
- 更深入的理论推导
- 高级应用案例
- 相关论文和资源
🤔 常见问题
Q: 我应该从哪一章开始？ A: 取决于你的背景。查看 学习路径 了解详情。
Q: 代码实验需要GPU吗？ A: 不需要。所有实验都可以在CPU上运行，但GPU会更快。
Q: 我可以跳过某些章节吗？ A: 可以，但建议按顺序学习以理解概念的演进。
Q: 需要多长时间完成整个教程？ A: 取决于你的学习速度和深度。快速通道8-12小时，完整路径20-30小时。
📚 推荐阅读顺序
开始
↓
[01_why_llm_era.md] — 理解背景
↓
[02_learning_paths.md] — 选择路径
↓
[03_overview.md] — 了解结构
↓
[04_tools_and_infrastructure.md]（可选）— 了解工具链
↓
[05_how_to_use_this_tutorial.md] — 选择使用方式
↓
选择你的路径 → 开始学习何时阅读第4小节？
- 立即开始学习理论 → 可以跳过，后续需要时回来查看
- 需要快速了解工具链 → 现在就读
- 想知道用API还是本地推理 → 现在就读
🚀 准备好了吗？
让我们开始吧！
👉 下一步： 阅读 为什么是LLM时代？
版本历史：
- v2.2 (2026-06-04) — 增加第5小节：如何使用本教程
- v2.1 (2026-06-03) — 增加第4小节：流行模型架构 & 工具链速览
- v2.0 (2026-05-26) — 初版，为v2.0重组设计