接 W4 消息与通信 + W4 学习总结：前两篇写了"我学到了什么" + "我是怎么学的"。W6 这篇写"我切换了学习模式"——从"逐行精读"切到"整体架构"——3 段联动理解 5500 行——3 大跨段 insight——实战对应。

写作动机：硬件测试背景转型 AI Agent 架构师过程中，把公司内训 + 11 篇论文精读的笔记系统化梳理。本文覆盖架构、训练、推理三大主题，每个核心概念都附面试金句，目标是一次性建立大模型的完整心智模型。

---

📌 写在前面：为什么硬件测试要学大模型原理？

三个理由：

1. AI Agent 是软件×硬件×AI 的交汇点——硬件测试积累的系统思维（边界条件、长尾场景、质量保证）天然适合做 AI Agent 工程的可靠性设计。
2. 架构师面试的必考题：ReAct 循环、Memory 三层、Test-Time Scaling——这些不是"知道就行"，是要能讲出 5 分钟深度。
3. 2024-2026 的范式跃迁：从 Training Scaling 到 Test-Time Scaling，从 Prompt 到 Context Engineering，理解原理才能跟上节奏。

---

李宏毅老师 Context Engineering 课程笔记

Agent 时代的核心议题：不是"装更多"，而是"装对"。

这两天学习了李宏毅老师的 Context Engineering 课程，把核心要点整理成这篇笔记。
Context engineering 是构建 LLM Agent 最关键的设计能力之一——它决定了 Agent 在长程任务中能否保持高效、准确、可持续。

---

一、什么是 Context Engineering？