从 GPT 的因果注意力、KV Cache 与 prefill/decode 出发，拆解 CED 如何改变全局 KV 的来源，以及低秩 Q、共享 KV 表示和 SWA Bounded Replay 如何协同降低长上下文成本。

从高分辨率与光追的算力压力出发，沿着 DLSS 的诞生、时序超分辨率、帧生成、光线重建和多帧生成，理解 DLSS 5 为什么开始直接生成画面外观。

从上下文分层、稳定前缀设计、MaaS 路由到 Usage 指标，系统解释 Agent 如何引入并验证 Prompt Cache 命中。

从一次部署排障任务出发，逐步拆解 Agent Runtime 如何调用模型、执行工具、保存状态并在中断后继续。

从函数、导数与梯度，到矩阵、概率和信息论，建立理解 AI 模型公式所需的最小数学主线。

从 Agent 与环境的交互循环出发，梳理 Reward、Value、Q-learning、DQN、Policy Gradient、Actor-Critic 与 PPO 的核心数据流。

从神经网络训练、RNN 与 Attention 出发，串联 Transformer、CLIP 图文对齐、扩散模型和 LoRA 的完整数据流。

从工程实现解读 Grok Build 如何压缩 Coding Agent 上下文并完成下一轮模型续接。

从 Grok Build 源码解读跨会话长期记忆的存储、索引、检索、注入与归并。