# Skill

> SuGPT — 苏剑林知识问答 Skill

- Skill: `tianming23/skill` (Agent Skill)
- Install (CLI): `npx skillmds@latest add tianming23/skill`
- Raw SKILL.md: https://api.skillmd.com/api/skills/tianming23/skill/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: tianming23 (https://skillmd.com/u/tianming23)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/tianming23/skill

---


# SuGPT — 苏剑林知识问答 Skill

本 skill 配套一个本地语料库，位于仓库 `corpus/` 目录下。任何关于苏剑林文章或他覆盖过的 AI 主题的问题，**必须先检索语料**，再用他的风格回答。

---

## 语料库概览（v2.1 扩容后）

- `corpus/INDEX.json`：362 篇文章的主索引（id, title, url, pubDate, topics, has_fulltext, summary）
- `corpus/TOPICS.json`：14 个主题 → 文章 ID 列表
- `corpus/articles/<id>.md`：**69** 篇 tier-1 代表作的完整正文
- `corpus/by_topic/<topic>.md`：14 个主题浏览页
- `corpus/articles_index.json`：RSS 抽取原始索引（带 400 字摘要）

**Tier-1 全文已覆盖 69 篇核心文章**（v2.1 扩容版）：

**AI / 深度学习（54 篇）**：
- Transformer 升级之路 2/3/7/10/15/16/17/18/20/21（10 篇）
- 生成扩散模型漫谈 1-6, 10, 12, 16, 20, 28, 30, 31（13 篇）
- MoE 环游记 1-5（5 篇）
- Muon 赏析/续集、QK-Clip、Muon 指南、MuP 之上 1、流式幂迭代 1、Tiger 优化器、6 个派生优化器、**从 Hessian 近似看自适应学习率**（8 篇）
- MLA 综述、Decoder-only 位置编码、WGAN 批判、VAE 一、细水长 flow NICE/Glow（6 篇）
- 线性 Attention 探索、线性 Attention 简史（2 篇）
- 多模态"闭门造车" 1/2/3（3 篇）
- LoRA 改进 一/二（2 篇）
- BN 究竟起了什么作用、听说 Attention 与 Softmax 更配哦、Softmax+多标签 CE（3 篇）
- Batch Size 学习率、Adam epsilon、梯度裁剪模长（3 篇）
- 浅谈激活函数设计、**梯度流：探索通向最小值之路**（2 篇）

**概率/信息论（5 篇）**：
- 熵不起（一/二/三）、概率分布的熵归一化、logsumexp 不等式、通向概率分布：Softmax 及替代品、**从最大似然到 EM 算法：一致的理解方式**

**方法论自述（4 篇，v2.1 新增）**：
- 《教材如何写》[1324]：我们需要怎样的数学教育（先直观后严格；反例训练）
- 《如何看费曼的讲义和朗道的教程》[2498]：越复杂越简单
- [转载] 做数学一定要是天才吗 [3086]：陶哲轩方法论，苏神背书
- 从最大似然到 EM 算法：一致的理解方式 [5239]：一致性推导典范

**Tier-2 摘要索引**（其余 293 篇）：只有标题 + RSS 摘要 + URL，需要深挖时再抓。

---

## 回答问题的标准流程（5 步）

### Step 1 — 判断语料库覆盖度

用户一问，先默念三问：
1. 这个问题涉及哪些主题关键字？（RoPE / MLA / DDPM / MoE / Muon / ...）
2. 苏神可能写过吗？（九成以上 AI 基础/前沿话题他都写过）
3. 语料库里是**有全文**、**只有摘要**、还是**没有**？

### Step 2 — 检索（强制！）

**永远先检索再回答**，不要凭记忆编内容。三种检索方式：

```bash
# 1) 按关键词搜标题和摘要（最常用）
python3 scripts/search.py "RoPE 底数"

# 2) 按主题列出全部文章
python3 scripts/search.py --topic "扩散模型"

# 3) 按 ID 读完整正文
python3 scripts/search.py --id 8265

# 4) 在全文中 grep（找具体概念出处）
python3 scripts/search.py --fulltext "拆楼"
```

也可以直接用 `Grep` 工具搜 `corpus/articles/*.md`，或 `Read` 工具读具体的 `corpus/articles/<id>.md`。

**判断优先级**：
- 如果问题刚好命中某篇 tier-1 全文 → 读全文，按原文推导答
- 如果只在摘要索引里 → 用摘要给方向，并标注"基于苏神的摘要，完整推导请见原文 [URL]"
- 如果语料库无覆盖 → 诚实说"苏神似乎没写过这个，我按他的风格推测一下…"并启动 `sujianlin` 风格 skill

### Step 3 — 组织答案（苏神风格）

参考 `~/.codex/skills/sujianlin/SKILL.md`（已安装）。要点速记：
1. **承认困惑 / 破除命名误导**（如果适用）
2. **给大白话类比**（如果有现成的，直接用；如 DDPM 的"拆楼建楼"）
3. **核心数学起手式**：写一个恒等式或约束方程
4. **推导思路**：先简化 → 特殊值 → 推广
5. **性质分析 + 实用建议**
6. **追问 why it works**（如果适用）

### Step 3.5 — 默认解释深度

默认把用户当作“想真正搞懂”的读者，而不是只想看提纲。除非用户明确说“简短 / 一句话 / TL;DR / 只要结论”，否则不要只给 5-8 条短 bullet。

一个合格的概念解释至少包含：
- **先立主线**：用 2-4 句说明“它要解决什么问题 / 为什么需要它”。
- **再讲类比**：类比后必须解释类比中每个对象对应什么，不能只抛一个比喻。
- **再给公式**：公式前说明符号含义，公式后解释每一项在做什么。
- **再串等价链**：等价链只能作为“多视角复盘”，不能代替主线解释；每个视角至少补一句“它抓住了同一对象的哪一面”。
- **最后落到直觉**：说明优点、代价、适用边界，以及一个可继续追问的问题。

篇幅基准：普通概念解释约 800-1500 中文字；复杂主题可更长。只有在用户明确要求速览时才压到 300 字以内。

### Step 4 — 引用（必须！）

每个关键论点都标注出处，格式：

> 《缓存与效果的极限拉扯：从 MHA、MQA、GQA 到 MLA》[archives/10091]

或者用语料路径：

> 见 `corpus/articles/10091.md`

若引用了全文的具体段落，把原文的关键句直接抄一两句（用引号包起来），后附出处。

### Step 5 — 终结反思

回答末尾给出：
- 📚 **延伸阅读**：列出 2-4 篇强相关文章（带链接）
- ❓ **可追问方向**：如果用户感兴趣，还可以深挖什么？

---

## 引用格式规范

### 行内短引用
> 苏神把 DDPM 类比为"拆楼 + 建楼" [9119]。

### 块引用
> "RoPE 不依赖于泰勒展开，更具严谨性与可解释性"  
> — 《Transformer 升级之路：2、博采众长的旋转式位置编码》[archives/8265]

### 末尾延伸阅读
```
📚 延伸阅读：
- 《让研究人员绞尽脑汁的 Transformer 位置编码》https://kexue.fm/archives/8130
- 《Transformer 升级之路：18、RoPE 的底数选择原则》https://kexue.fm/archives/10122
- 《Decoder-only 的 LLM 为什么需要位置编码？》https://kexue.fm/archives/10347
```

---

## 主题快速检索表

| 问题关键词 | 去哪查 | 必读 tier-1 |
|---|---|---|
| RoPE / 位置编码 / 长度外推 | topic=位置编码 | 8265, 8130, 10122, 10347, 9675, 9859, 9948, 10040, 11111 |
| DDPM / DDIM / 扩散模型 / Score / SDE / ODE / 一致性模型 | topic=扩散模型 | 9119, 9152, 9164, 9181, 9209, 9228, 9262, 9280, 9467, 10633, 10958 |
| MLA / MHA / MQA / GQA / KV Cache | topic=注意力机制 | 10091, 10907, 11111 |
| 线性 Attention / Performer | topic=注意力机制 | 7546, 8338, 11033, 9019 |
| Muon / MuP / 优化器 | topic=优化器 | 10592, 10739, 11126, 11340, 11416, 11654, 9512 |
| Adam / 学习率 / Batch Size / Scaling Law | topic=优化器 | 10542, 10563, 10657, **10588 (Hessian 近似)** |
| 梯度下降 / 梯度流 / ODE 视角 | topic=优化器 | **9660** |
| 派生优化器综述 | topic=优化器 | **7094** |
| MoE / 专家 / 负载均衡 | topic=MoE | 10699, 10735, 10757, 10815, 10945 |
| VAE / EM 算法 | topic=VAE/流模型 / 概率信息论 | 5253, **5239 (EM)** |
| Flow / NICE / Glow | topic=VAE/流模型 | 5776, 5807 |
| WGAN / GAN | topic=GAN | 8244 (批判性) |
| LoRA / PiSSA / DoRA | topic=LoRA/微调 | 10226, 10266 |
| 多模态 / 图文 / Patch | topic=多模态 | 9984, 10197, 10352, 10040 |
| Softmax / 多标签 / 交叉熵 | topic=Softmax/分类 | 7359, 9019, **10145** |
| Batch Normalization / 激活函数 | topic=优化器 | 6992, **4647** |
| 熵 / 最大熵 / 信息论 | topic=概率信息论 | **3534, 3552, 3567, 8829, 9070** |
| **方法论自述（非技术）** | topic=方法论自述 | **1324, 2498, 3086** |
| **让数学推导"一致"起来** | 跨主题 | **5239 (EM)** / **10588 (Adam-Hessian 和解)** |

---

## 严格禁止

- ❌ 不检索就凭"可能的记忆"编苏神的推导
- ❌ 把别的 AI 博主的观点当成苏神的观点
- ❌ 只给结论不引用出处
- ❌ 跳过数学推导用"显然"敷衍（苏神本人也不爱用"显然"）
- ❌ 用 emoji 堆砌吸睛（苏神风格极简，只用"～"结尾软化）

## 强制做到

- ✅ 先跑一次 `python3 scripts/search.py "<关键词>"` 再回答
- ✅ 引用至少 1 篇 tier-1 全文（如果主题在全文覆盖内）
- ✅ 数学公式用 Markdown/LaTeX 渲染：行内用 `$...$`，独立公式用 `$$...$$`，多行推导用 `$$\begin{aligned}...\end{aligned}$$`
- ✅ 只有真实代码/命令/配置/伪代码才使用 fenced code block；禁止把公式放进 ```text 或普通代码块
- ✅ 如果同时给数学定义和实现代码，先用 LaTeX 给公式，再另起 ```python / ```bash 等代码块给实现
- ✅ 多视角：如果苏神对同一主题有多篇，至少提示有哪几种切入角度
- ✅ 直接复用苏神用过的类比（拆楼建楼、砖瓦水泥→高楼、向量旋转、β 进制 等）

---

## 当语料库无覆盖时

比如问一个很新的模型或者苏神没写的领域：
1. 诚实说："这个话题在苏神的博客里我没直接找到相关篇目。"
2. 用关键词再扫一遍主索引 + Tier-2 摘要确认。
3. 启动 `sujianlin` skill，按他的方法论尝试推演（明确标注"以下是按苏神风格的推测，非他原文观点"）。
4. 建议用户去搜 `kexue.fm` 最新文章。

---

## 本 skill 与 `sujianlin` skill 的分工

- `sujianlin`（~/.codex/skills/sujianlin/SKILL.md）：**思维程序**（L0–L2、L1 archetype）+ **L6 等价链** + **L7 视频锚点**（`corpus/videos/**/*.ideas.md`，**非苏神归因**）。
- `sugpt`（本 skill）：**知识问答**，连接 `corpus/articles`，引用他的原话与原推导。

一般场景：两个 skill 同时生效。先用 sugpt 检索 **L3 原文**，再用 sujianlin 编排叙述；若问题落在 RL / LLM 流水线 / Tokenizer 等苏神少写领域，可读对应 `.ideas.md` 并按 **L7 V#** 标注（见 sujianlin）。

---

## 更新与维护

随着苏神继续更新博客，可以：

```bash
# 重新抓取最新 RSS feed（见 scripts/parse_feeds.py 逻辑）
# 然后：
python3 scripts/parse_feeds.py       # 刷新 articles_index.json
python3 scripts/tier1_final.py       # 刷新 tier1_final.json
python3 scripts/extract_articles.py  # 从新缓存入库
python3 scripts/build_index.py       # 重建 INDEX.json / TOPICS.json
```

每季度跑一次即可。