AI 模型跑通实战手册：从环境配置到结果复现的 5 个工程技巧
总结了自然排序、占位数据、可回滚补丁等 5 个极其有用的科研工程化技巧。
Engineering
告别手动敲公式：用 Python 逆向操作 Word 底层 XML 修复数学建模论文
通过 Python 直接操作 .docx 底层结构，将文本批量转换为 Word 原生公式。
揭开 tmux 的底牌：从操作系统原理看远程终端复用
程序不是跑在窗口里，而是跑在进程里。从 PTY 伪终端、SIGHUP 信号到进程树模型，带你彻底搞懂 tmux 为什么能保护你的深度学习训练任务。
告别 Dependency Hell：记一次 3D 视觉项目环境配置的“连环爆雷”与工程重构
在复现 FlashAvatar、MICA 等复杂 3D 视觉项目时，我经历了一场堪称教科书级别的“依赖地狱”。本文详细拆解这次连环爆雷过程，并给出大型 AI 项目的标准环境搭建实践。
AI 时代的“淘金热”：GPU 是铲子，但真正的机会是生产系统
不要把自己训练成“环境配置工人”，而要训练成“实验系统设计者”。从 AI 淘金热到底层工具链，聊聊如何搭建属于自己的科研自动化流水线。
实战记录：3 天构建 GAN-like AIGC 图像修改器（Bypass 伪造检测）
停止盲目刷 Benchmark。用 3 天的敏捷研发 Sprint，将开源 AIGC 检测器转换为打分器，快速跑通一个对抗图像修改器的最小闭环（MVP）。
把对话做成舒服的双语版本：一场从“能用”到“好用”的工程化折腾
记录主英辅中”双语版本