上一阶段为什么不够用？
先理解瓶颈，再看新技术为什么出现。
Chapter 00 · MDX
总览：AI 为什么不是突然变成大模型的？
AI 的主线不是一个模型突然出现，而是规则搜索、知识工程、概率统计、表示学习、 Transformer、RAG 与 Agent 不断回应前一阶段瓶颈的结果。
AI 为什么不是突然变成大模型的？
Technical Closure
MDX 章节可渲染
这个页面验证 Astro + MDX 章节闭环：贡献者可以用 Markdown/MDX 写解释文本， 同时复用站点布局、设计 token 和 Astro 路由。
历史主线
从规则到系统
规则与知识可解释，但难扩展
搜索和专家系统证明规则能表达推理，也暴露出组合爆炸和例外维护问题。
数据与表示能学习，但依赖样本
统计学习和神经网络把问题转向数据、特征和表示，让模型从样本中归纳。
基础模型与系统能力强，但需要外部结构
Transformer 扩展出 LLM，RAG、工具、记忆和评估把模型组织成现代 AI 系统。
阅读方式
每章看四件事
用一个动作拿到一个直觉
每个 demo 都只讲一个核心 aha moment，避免把真实系统复杂度塞进入门解释。
新技术解决了什么，又留下什么？
RAG、Agent 和评估不是终点，而是继续回应事实性、可控性和可靠性问题。
简化说明
这是一张学习地图，不是完整 AI 百科
总览章节刻意保留主线和代表性技术，省略大量分支、人物、论文和工程细节。 后续章节会用交互 demo 展开每个阶段的一个核心机制直觉。
参考资料