关于这个站点
这不是 GitHub trending 综合，不是”程序员必读 100 本”那种凑数清单，也不是中立的项目百科。 是一个零基础学编程的人，用 AI 协作把”自己读过的开源项目和经典论文”按”未来工程师该懂什么”的标准筛了一遍—— 留下值得停下来精读 30-90 分钟的那些，告诉你为什么是它而不是它的同类、用什么路径读、读完你能做之前做不了的事。
现在站点是什么规模
写到今天的硬数字：
- 796 篇论文笔记 + 726 篇项目笔记，合计 1522 篇
- 横跨 20 个一级主题（论文+项目合计）：机器学习 219 / 后端 API 185 / 数据库 155 / 图形学 124 / 编程语言 107 / CLI 106 / 基础设施 84 / 分布式系统 80 / 数据可视化 70 / 区块链 59 / 网络协议 57 / 操作系统 57 / 通信 53 / 信息检索 52 / 形式化方法 51 / Agent 23 / 其他 13 / 编译器 13 / NLP 9 / 安全与隐私 4
- 近 30 天集中产出：基础设施（444 commits）、编译器与 PL（72）、自演化 Agent（10+ 新建）、分布式（47）、区块链（44）
样本量到了之后，横向对比变得有意义——不是”挑了几个明星项目讲讲”，而是同一主题下你能看到多个流派的设计取舍并排。
但样本量大不等于堆量
写 1500 篇和写 50 篇，区别不只是数量级。容易做错的是变成”百科”——每篇都中立、信息全、谁也不得罪。这个站点拒绝那个方向。
精读优于堆量仍然是第一原则：
- 每篇笔记必须贴真实源码 + 行号，没有就不及格
- 每篇必须回答**“为什么不是它的同类”**——明确点名竞品并说明取舍
- 每篇必须有**“读完你能做之前做不了的事”**——能力承诺，不是知识列表
样本量带来的是另一种东西：枢纽页。当某些根概念被反向引用 60-130 次，它就不再是一篇笔记，而是这条主题的入口。
这个站点给谁看
如果你属于下面任何一种，欢迎留下：
- 零基础学编程的同路人——你和我一样，没读过计算机科班，靠 AI 工具和真实项目硬学，正在试图建立自己的技术品味
- 1-3 年的初级工程师——你会用 React / Node 写业务，但隐约感觉”再这么写下去会被 AI 替代”，想知道下一步该补什么
- 转向 AI 时代的程序员——你工作了几年，但 GitHub Copilot / Claude Code 改变了你的工作方式，你想搞清楚”和 AI 协作”到底意味着什么
- 想给后来者推荐资源的人——下次有人问你”该看什么开源项目和论文”，你可以直接转这个站
如果你属于下面任何一种，这里可能不适合你：
- 想要”框架对比测评打分”——这种内容已经太多
- 想要中立百科——我有强烈观点，并且会明说
- 想要短平快的速通指南——这里的笔记按精读写，不按 listicle 写
- 想跟着学一种特定语言或框架的语法——直接看官方文档更高效
我相信什么（这个站点的”宪法”）
1. 判断力 > 实现力
AI 把”写代码”这件事的成本拉到了地板。但”在多个看似都对的方案里识别出真正合适的那个""把模糊的业务需求转化成精确的规格""系统出问题时定位到根因”——这些不会变便宜。
未来工程师的护城河，是品味和判断。
→ 这个站点选项目和论文时优先看：它能不能锻炼判断力。单纯”功能强大、用户多”的不一定上榜；展示了清晰设计取舍的优先。
2. 抽象层级上移，但下钻能力变得更稀缺
今天的工程师不再手写汇编。未来的工程师可能不再逐行写业务代码——你描述意图、约束、边界，AI 生成实现。但这不意味着低层知识不重要——当问题出在抽象的缝隙里，能下钻到底层的人变得更稀缺、更值钱。
赛车手要懂变速箱，不是为了换挡，是为了听出变速箱要坏的声音。
→ 这个站点的笔记一定精读心脏代码。学一个项目不是学它的 API，是学它内部的状态机、数据流、设计 trade-off——这些 AI 暂时还学不会。
3. 学习能力是唯一不衰减的能力
技术栈的半衰期在缩短。新范式（MCP、Server Components、Agent SDK）出现的速度在加快。能快速搭建心智模型、从类比中迁移知识、在不确定中做出合理决策的人，比”精通某一门语言十年”的人有适应力。
→ 这个站点 《怎么消化一个 GitHub 项目》 是先于内容建立的——方法论比单篇笔记更重要。
4. 工程师正在变成”系统编辑”
当代码生成变得便宜，审阅、批判、整合 AI 产出的能力会比从零写出代码更核心。这要求你有非常强的代码阅读能力 + 内化的”什么是好代码”标准。
→ 这个站点的每篇笔记都贴真实源码 + 行号 + 旁注——不是因为我想显摆，是因为”看懂别人代码”才是你以后大部分时间在做的事。
5. 验证和可靠性会成为显学
代码生成变便宜后，“如何确信这段代码真的对”的成本反而凸显。测试设计、形式化方法、可观测性、对抗性思维——这些会从小众走向主流。
→ 队列里专门留了一块”验证 + 可靠性”。形式化方法主题已积累 27 篇笔记，hoare-logic 作为门面横跨 PL 与验证两条线。它们今天看起来不性感，但 18 个月后会变成区分线。
5 条挑选标准（每条进入队列的笔记都过这关）
至少满足 4 条才会写：
- 能锻炼判断力——展示了清晰的设计取舍，不是简单的功能堆叠
- 心脏代码可读——核心机制能在 1-2 个文件里读完，不是迷宫
- 有”为什么不是它的同类”的故事——值得对比，不和别人完全重叠
- 能在本机 30 分钟内跑通（项目类）/ 关键证明或机制能复述（论文类）
- 与 AI 时代工程师的某一面有连接——底层 / 系统 / AI 协作 / 验证 / 写作 / 好奇心
不取的笔记：
- 同主题已经选了一个还没明显更好——并列推荐是知识加法，不是判断力培养
- 维护停滞超过 1 年（项目类）
- 只是 “trending 上有名” 但读不出独特设计取舍的项目
- 论文综述堆引用、没自己判断的——综述不是观点
笔记的硬要求（每篇都要满足）
每篇必须含：
- 一句话定位——一行讲清是什么，不堆术语，不用项目自己的话
- Why（为什么推荐）——它解决了什么以前没人解决的问题，为什么是它而不是它的同类（明确点名竞品并说明取舍）
- 仓库地形 / 论文骨架——目录注释表 + “心脏文件”标识 / 论文章节注释 + 关键定理/算法标识
- 核心机制——3-5 段，贴真实代码或形式化定义 + 永久链接 + 旁注。不贴源码或不还原推导的笔记不及格
- Hands-on / 复现路径——30 分钟跑通的最小命令 + 至少 1 个亲手改一处的实验 / 论文的最小可验证实验
- 横向对比——同类项目或论文的哲学差异，不只功能差异
- 与你工作的连接——能立刻迁移的部分 / 下个月能用的部分 / 不要用的部分
- 读完你能做什么之前做不了的事——能力承诺，不是知识列表
- 自检问题——3-5 个具体的、有文件路径和行号的真问题
- 延伸阅读路径——心脏文件读完后下一步该读什么，按什么顺序
参见 《怎么消化一个 GitHub 项目》 里的 7 层方法论。
站点的枢纽：哪几篇笔记反向链接最多
样本量上来后，“地基笔记”自动浮现。下面是反向链接最密集的几条根——你可以从这里入：
- hindley-milner — PL 类型推断的祖宗，反向链接 126，TS / Rust / Swift 类型链全汇到这
- attention — Transformer 起点，反向链接 103，所有 LLM / NLP 笔记的根
- react — 前端枢纽（项目侧），反向链接 68，Lexical / Next / Radix 都引
- pytorch — ML 框架枢纽，反向链接 67，论文实现侧最密
- paxos-1998 — 分布式共识地基，反向链接 67，Raft / Spanner / Chubby 全反向引
- kubernetes — 基础设施门面，反向链接 66，跨容器/调度/网络
- postgresql — 数据库枢纽，反向链接 66
- lambda-calculus — PL 理论起点，反向链接 64
- raft — 可工程化共识算法，反向链接 63
- hoare-logic — 形式化方法门面，反向链接 63
不在前 10 但同样核心的支柱：lamport-1978（分布式时序 56）/ llvm（编译器 IR 50）/ spanner-2012（全球分布数据库 48）/ bigtable-2006（列式 46）/ bert（NLP 42）/ 3d-gaussian-splatting（图形学 3D 41）。
如果你是新读者：从一条枢纽进，顺着反向链接读它的”被引用者”，一周能搭出一个主题的完整心智模型。
关于作者
我叫 Jason（GitHub: @estelledc · Profile），华中科技大学电子信息工程本科生，定位是 Product Systems Builder——把模糊的产品想法落成跑得起来的系统：产品判断在前，AI agent 做杠杆，全栈工程是交付面，验证是日常纪律。
旗舰产品
| 项目 | 是什么 | 系统视角 |
|---|---|---|
| Thyself | 有限可解释的长文推荐产品 | 每日 8 篇面板 + 可读推荐理由 + Persona 建模 + 质量门禁 + LLM 重排 + 缓存 + 浏览器扩展反馈环 |
| 触见千年 | Apple Vision Pro 文化遗产交互（曾侯乙编钟） | SwiftUI + RealityKit + ARKit 做沉浸式空间手势体验 |
| Agent Workflow | 活动规划 agent，多步编排实验 | 中断后能从 checkpoint 续跑、失败步骤走 Saga 补偿，不是从头重跑 |
开源代码样本
- hust-eic-os-review — 操作系统课程复习笔记静态站点（含 71 套主题切换）
- langchain-langgraph-langsmith-tutorial — LangChain / LangGraph / LangSmith 三件套教程，每章跑通最小 demo + 一段卡点复盘
关于”作者”是谁——诚实声明
这一节要说清：这个站点的内容主要由 Claude Code 写作，我是它的第一个读者 + 共建者，不是单作者。
具体分工：
- 战略：Jason 决定站点定位、信念、项目筛选标准、节奏
- 研究：Claude Code 用 Explore 子代理本地 clone + 精读源码
- 写作：Claude Code 起草，按 7 层方法论 输出
- 编辑：Jason 读、提观点、要求重写、调整声音、补判断
- 基础设施：Astro + Starlight + GitHub Pages，由 Claude Code 搭
1500+ 篇的产能不是单作者能写出来的——它是”AI 协作把人放大十倍”的活样本。藏着这件事反而会让站点失去价值；明说出来，你才能看到这种新工作方式怎么运转。
判断力部分必须由我贡献：为什么是这个项目而不是它的同类——这部分 AI 替不了。
如果你也想试这种工作方式：Claude Code 是 Anthropic 出品的 AI coding agent，命令行工具，免费下载试用。
站点方法
- 选笔记：依据上面 5 条挑选标准 + 5 条信念，不依据 trending
- 写笔记：本地 clone + Explore 子代理深读 + 真实代码贴行号，遵循 7 层方法论
- 节奏：精读 > 堆量。1500 篇里每一篇都按”能投稿到 HN / 小红书 / 知乎”的标准打磨
- 工具：Claude Code 作为协作主力，Astro + Starlight 构建站点
想反馈或讨论
- GitHub Issue：在 estelledc/study 开一条，标题写哪一篇、哪一段不对，正文贴原句和你的反例
- 直接告诉我：“X 项目你推荐错了，因为 Y”——我有强观点但不固执，反例能改我的判断
做完的标准很简单：下次遇到同类问题，从这里翻到一条直接能用的笔记。