<?xml version="1.0" encoding="utf-8"?>
<feed xmlns="http://www.w3.org/2005/Atom">
 
   <title>郭宁的个人博客</title>
   <link href="https://ningg.top/atom.xml" rel="self" type="application/atom+xml"/>
   <link href="https://ningg.top" rel="alternate" type="text/html" />
   <updated>2026-05-08T13:11:57+00:00</updated>
   <id>https://ningg.top</id>
   <author>
     <name>NingG</name>
     <email>guoning.gn@gmail.com</email>
   </author>

   
   <entry>
     <title>创始人模式 Founder Mode，管理模式的转变</title>
     <link href="https://ningg.top/ai-series-founder-mode-cowork-tips/"/>
     <updated>2026-05-05T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-founder-mode-cowork-tips</id>
     <summary type="text">纯管人的领导者会被AI淘汰，如果你做的是自己热爱的事，就没有失败可言</summary>
   </entry>
   
   <entry>
     <title>Agentic Design Patterns 智能体设计模式</title>
     <link href="https://ningg.top/ai-series-agentic-design-patterns/"/>
     <updated>2026-04-06T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-agentic-design-patterns</id>
     <summary type="text">Hands-On Guide to Building Intelligent Systems 智能系统构建指南</summary>
   </entry>
   
   <entry>
     <title>Claude Code 系列：安装&amp;使用-放弃，改用 Codex</title>
     <link href="https://ningg.top/ai-series-claude-code-intro/"/>
     <updated>2026-03-21T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-claude-code-intro</id>
     <summary type="text">用最先进的生产力工具</summary>
   </entry>
   
   <entry>
     <title>Claude Code创始人，谈如何工作，很多先进生产力</title>
     <link href="https://ningg.top/ai-series-how-to-work-now/"/>
     <updated>2026-03-01T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-how-to-work-now</id>
     <summary type="text">新时代的工作方式，但不一定是最终的方式</summary>
   </entry>
   
   <entry>
     <title>橡树资本，霍华德·马克斯（Howard Marks）</title>
     <link href="https://ningg.top/tech-history-howard-marks-intro/"/>
     <updated>2026-02-23T00:00:00+00:00</updated>
     <id>https://ningg.top/tech-history-howard-marks-intro</id>
     <summary type="text">Howard Marks，橡树资本联合创始人，作家、投资家</summary>
   </entry>
   
   <entry>
     <title>CEO 踩过的坑，在线教学</title>
     <link href="https://ningg.top/tech-history-how-to-do-of-CEO/"/>
     <updated>2026-02-22T00:00:00+00:00</updated>
     <id>https://ningg.top/tech-history-how-to-do-of-CEO</id>
     <summary type="text">a16z创始人Ben Horowitz 分享他的判断</summary>
   </entry>
   
   <entry>
     <title>浪潮和泡沫同时存在，追梦方法论（经过验证的 6 个原则）</title>
     <link href="https://ningg.top/ai-series-wave-bubble-dream-methodology/"/>
     <updated>2026-02-14T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-wave-bubble-dream-methodology</id>
     <summary type="text">Benchmark合伙人Bill Gurley的一份2小时播客记录</summary>
   </entry>
   
   <entry>
     <title>AI 一代，超越前人</title>
     <link href="https://ningg.top/ai-series-next-generation-brain-and-action/"/>
     <updated>2026-01-24T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-next-generation-brain-and-action</id>
     <summary type="text">为什么说，AI-native的一代，会比之前的几代，厉害十倍甚至百倍？</summary>
   </entry>
   
   <entry>
     <title>5到10年内实现AGI：三个核心判断</title>
     <link href="https://ningg.top/ai-series-trend-of-forward-5-to-10-years/"/>
     <updated>2026-01-17T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-trend-of-forward-5-to-10-years</id>
     <summary type="text">DeepMind掌门人 Demis Hassabis 的三个核心判断</summary>
   </entry>
   
   <entry>
     <title>AI 系列：强化学习，理论基础 &amp; 典型算法</title>
     <link href="https://ningg.top/ai-series-reinforcement-learning-theory-intro/"/>
     <updated>2025-10-18T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-reinforcement-learning-theory-intro</id>
     <summary type="text">场景建模 MDP，价值函数、贝尔曼方程(递归关系)，两类典型算法 Value-based、Policy-based 等.</summary>
   </entry>
   
   <entry>
     <title>用户增长：用户分析 RFM模型</title>
     <link href="https://ningg.top/intro-of-rfm/"/>
     <updated>2025-10-05T00:00:00+00:00</updated>
     <id>https://ningg.top/intro-of-rfm</id>
     <summary type="text">如何进行用户分析，有哪些常见模型</summary>
   </entry>
   
   <entry>
     <title>AI 系列：对数导数技巧 log-derivative trick</title>
     <link href="https://ningg.top/ai-series-log-derivative-trick/"/>
     <updated>2025-10-01T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-log-derivative-trick</id>
     <summary type="text">log-derivative trick 是什么，什么场景下适用？</summary>
   </entry>
   
   <entry>
     <title>AI 系列：强化学习 vs 对比学习，简述</title>
     <link href="https://ningg.top/ai-series-rl-vs-cl-intro/"/>
     <updated>2025-09-13T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-rl-vs-cl-intro</id>
     <summary type="text">Reinforcement Learning vs Contrastive Learning，试用场景、原理、差异</summary>
   </entry>
   
   <entry>
     <title>AI 系列：反向传播 &amp; 梯度下降</title>
     <link href="https://ningg.top/ai-series-backward-propagation-gradient-descent-intro/"/>
     <updated>2025-09-13T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-backward-propagation-gradient-descent-intro</id>
     <summary type="text">Backward Propagation &amp; Gradient Descent 工作原理</summary>
   </entry>
   
   <entry>
     <title>AI 系列：Embedding 训练细节 &amp; 数学原理</title>
     <link href="https://ningg.top/ai-series-embedding-model-details/"/>
     <updated>2025-09-06T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-embedding-model-details</id>
     <summary type="text">Embedding 训练方法、损失函数</summary>
   </entry>
   
   <entry>
     <title>AI 系列：Embedding 与 Rerank</title>
     <link href="https://ningg.top/ai-series-embedding-model-and-rerank-intro/"/>
     <updated>2025-09-06T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-embedding-model-and-rerank-intro</id>
     <summary type="text">Embedding、Rerank 细节描述</summary>
   </entry>
   
   <entry>
     <title>AI 实践：RAG 总结 &amp; 实践</title>
     <link href="https://ningg.top/ai-series-rag-summary-and-practice/"/>
     <updated>2025-08-30T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-rag-summary-and-practice</id>
     <summary type="text">RAG 查询（重写、拆解、后退、HYDE）、索引（多特征索引、RAPTOR）、检索（ReRank）、生成（Self-RAG）、评估（RAGAS、deepeval、指标）</summary>
   </entry>
   
   <entry>
     <title>AI 实践：RAG 架构演进 &amp; 核心技术</title>
     <link href="https://ningg.top/ai-series-rag-evolution-arch/"/>
     <updated>2025-08-23T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-rag-evolution-arch</id>
     <summary type="text">RAG 关键模块、核心优化技术、技术边界等</summary>
   </entry>
   
   <entry>
     <title>AI 实践：Meta Llama &amp; Llama Index</title>
     <link href="https://ningg.top/ai-series-llama-and-llama-index-intro/"/>
     <updated>2025-08-16T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-llama-and-llama-index-intro</id>
     <summary type="text">Meta Llama 模型拆解，以及 Llama Index 工具定位</summary>
   </entry>
   
   <entry>
     <title>AI 实践：传统 ES + LLM vs RAG</title>
     <link href="https://ningg.top/ai-series-es-vs-rag/"/>
     <updated>2025-08-16T00:00:00+00:00</updated>
     <id>https://ningg.top/ai-series-es-vs-rag</id>
     <summary type="text">传统搜索引擎 + LLM，远远不够，需要 向量检索 + 上下文融合 架构</summary>
   </entry>
   
 
</feed>
