Data

Tools

Indexes

Applications

Experiments

Awesome

An open API service indexing awesome lists of open source software.

https://github.com/datawhalechina/reasoning-kingdom

🌟 推理王国：关于 AI 推理机制的思想实验手册。从信息论、符号逻辑与表示学习出发，系统剖析大模型“智能”的本质。
https://github.com/datawhalechina/reasoning-kingdom

ai algorithm deep-learning llm machine-learning reasoning textbook

Last synced: 4 days ago
JSON representation

🌟 推理王国：关于 AI 推理机制的思想实验手册。从信息论、符号逻辑与表示学习出发，系统剖析大模型“智能”的本质。

Awesome Lists containing this project

README 

          
推理王国 · 三部曲





  推理王国







[![Ask DeepWiki](https://deepwiki.com/badge.svg)](https://deepwiki.com/datawhalechina/reasoning-kingdom)

[![GitHub stars](https://img.shields.io/github/stars/datawhalechina/reasoning-kingdom?style=flat-square)](https://github.com/datawhalechina/reasoning-kingdom/stargazers)

[![GitHub issues](https://img.shields.io/github/issues/datawhalechina/reasoning-kingdom?style=flat-square)](https://github.com/datawhalechina/reasoning-kingdom/issues)

[![GitHub license](https://img.shields.io/github/license/datawhalechina/reasoning-kingdom?style=flat-square)](https://github.com/datawhalechina/reasoning-kingdom/blob/main/LICENSE)

[![GitHub Actions](https://img.shields.io/github/actions/workflow/status/datawhalechina/reasoning-kingdom/deploy.yml?style=flat-square)](https://github.com/datawhalechina/reasoning-kingdom/actions/workflows/deploy.yml)






**推理王国**是一个完整的三部曲开源书籍项目，从入门到深入，全面探索推理科学的本质：



1. **前传**：《致未来的推理科学家》——面向青少年和业余读者的推理科学入门

2. **上卷**：《推理的历史演变》——从熵增到边界，沿历史线索追问推理的本质  

3. **下卷**：《推理的形式演绎》——从形式系统出发，用逻辑演绎重建推理王国，最终在八条边界和不可能三角中收束



这不是 AI 工具书，也不是机器学习教程。它追问的是更底层的问题：推理是什么？它的边界在哪里？当 AI 在"推理"，它内部发生了什么？



这些问题让图灵、哥德尔、香农彻夜难眠。本书试着把它们说清楚。



## 在线阅读



**完整三部曲**：https://datawhalechina.github.io/reasoning-kingdom



## Star History





 

   

   

   Star History Chart

 




## 三部曲架构



### 前传：《致未来的推理科学家》（面向初学者）



**兔狲教授的亲切提示**：这是一本面向青少年和业余读者的推理科学入门书。我们将从最简单的布尔逻辑出发，一步步探索算法、神经网络与推理的本质。跟随小小猪的好奇心和小海豹的历史感，一起实现**推理的民主化**——让推理科学真正属于每一个人。



**目标读者**：

- **青少年与业余爱好者**：对科学推理、算法思维和人工智能好奇的初学者

- **基础要求**：无需专业背景，只需好奇心和愿意"动手"尝试的精神



**本书将帮助你**：

- 建立算法思维框架：线性、贪心、启发式、动态规划四大思想模型

- 理解神经网络原理：从神经元到Transformer的完整认知

- 探索推理的本质：区分"概率预测"与"逻辑推理"

- 培养科学思考习惯：像科学家一样拆解复杂问题



**新增兔狲学院**：面向即将上大学的高中生（AP学生/准大学生）的维基百科式词条教学，包含数学基础综合、AI数学基础、微积分、线性代数、哲学、Python编程六个章节，每个词条包含官方解释+兔狲老师解释+动手题+动脑题。



### 上卷：《推理的历史演变》（问题驱动，直觉先行）



从对抗熵增的生存策略出发，沿历史脉络走过符号主义、表示学习、因果推断、复杂度理论，直到现代 Transformer 架构和推理边界。问题驱动，直觉先行。适合对 AI 有基本了解、想理解"为什么"的读者。



**前置知识**：基础线性代数、概率论、编程概念。



### 下卷：《推理的形式化重建》（逻辑演绎，地基夯实）



从形式系统的地基出发，严格重建推理的结构：命题逻辑、哥德尔不完备定理、线性逻辑、概率推断、因果演算、计算复杂度、PAC 学习、Kolmogorov 复杂度、Curry-Howard 对应、动力系统稳定性、范畴论，最终在第25章统一八条边界，提出推理的"不可能三角"。



目标风格是 Spivak 的《Calculus》和 Axler 的《Linear Algebra Done Right》：定义严格，但叙事把定义粘在一起。作者在场，有判断，有态度。



**前置知识**：真值表、证明的概念、函数与集合的基本语言、数学归纳法。详见[下卷导读](https://datawhalechina.github.io/reasoning-kingdom/volume2/preface/)。



### 兔狲教授小词典



除了三部曲，本书还提供了**兔狲教授小词典**——一个有态度的学术名词解释工具，旨在拆解学术黑话，让复杂概念可理解。



**词典立场**：推理民主化（推理应该被理解而不是被崇拜，技术应该为人服务而不是人为技术服务）



**词条结构**：每个词条包含官方解释（标准学术定义）、兔狲说（个人解读带立场）、为什么重要、延伸思考、相关词条



**覆盖范围**：163个核心概念，覆盖全书物理、信息、推理、AI、计算、逻辑等多个领域



---



> 这三部曲说的是同一件事：**推理如何从对抗熵增的生存策略，演变为受计算复杂度限制的算法过程，在形式系统中被严格重建，最终在自指边界前停下——八条边界共享同一深层结构，而我们必须在不确定中继续前行。**



---



## 目录



### 前传：《致未来的推理科学家》（18章 + 兔狲学院）



**全书共18章，分四部分**：确定性的宇宙（7章）→ 跨越逻辑的断裂带（2章）→ 神经网络的涌现（6章）→ 通往推理王国（3章）



| 章节名 | 简介 | 状态 |

| :--- | :--- | :--- |

| [前言](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/preface) | 推理科学民主化 | ✅ |

| **第一部分：确定性的宇宙** | **第1-7章** | **7章** |

| [第1章：电报、手电筒与逻辑的起点](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume1/chapter1/) | 布尔逻辑：所有推理的起点 | ✅ |

| [第2章：当资源有了边界（复杂度）](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume1/chapter2/) | 时间与空间复杂度：推理的代价 | ✅ |

| [第3章：图灵的纸带（可计算性）](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume1/chapter3/) | 停机问题：划定推理的疆界 | ✅ |

| [第4章：线性的智慧（遍历与搜索）](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume1/chapter4/) | 线性思维：顺序处理的智慧 | ✅ |

| [第5章：贪心的诱惑（局部最优）](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume1/chapter5/) | 贪心思维：局部最优导致全局最优 | ✅ |

| [第6章：启发的艺术（近似与估测）](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume1/chapter6/) | 启发思维：聪明猜测的艺术 | ✅ |

| [第7章：记忆的力量（动态规划）](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume1/chapter7/) | 记忆思维：有记忆的推理 | ✅ |

| **第二部分：跨越逻辑的断裂带** | **第8-9章** | **2章** |

| [第8章：规则的黄昏](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume2/chapter8/) | 传统算法在处理非结构化世界时的无力 | ✅ |

| [第9章：从离散到连续：数学的魔法棒](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume2/chapter9/) | 向量空间：从离散到连续的跃迁 | ✅ |

| **第三部分：神经网络的涌现** | **第10-15章** | **6章** |

| [第10章：最简单的感知（神经元）](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume3/chapter10/) | 权重与偏置：机器的"见识" | ✅ |

| [第11章：错误是进步的阶梯（反向传播）](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume3/chapter11/) | 梯度下降：学习的本质 | ✅ |

| [第12章：记忆的链条（LSTM与RNN）](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume3/chapter12/) | 时间序列处理：记忆单元的门控机制 | ✅ |

| [第13章：遗忘与因果的较量](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume3/chapter13/) | LSTM渐进遗忘 vs 注意力因果关注 | ✅ |

| [第14章：注意力：在这个嘈杂的世界里，该看哪？](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume3/chapter14/) | Attention机制：学会忽略的艺术 | ✅ |

| [第15章：编码-解码堆栈（Transformer）](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume3/chapter15/) | Transformer：语言与逻辑的交汇点 | ✅ |

| **第四部分：通往推理王国（兔狲教授的书信集）** | **第16-18章** | **3章** |

| [第16章：什么是真正的推理？（LLM迷思）](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume4/chapter16/) | 区分"概率预测"与"逻辑推理" | ✅ |

| [第17章：推理科学家的工具箱](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume4/chapter17/) | 整合算法思维、神经网络思维与推理思维 | ✅ |

| [第18章：致20岁后的你：作为科学的推理](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/volume4/chapter18/) | 未来推理科学的研究方向与挑战 | ✅ |

| **兔狲学院：给还没有上大学的小伙伴** | **六个学科章节** | **6章** |

| [数学基础综合：从自然数到不动点理论](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/academy/math-core/) | 7章完整知识链，从自然数、集合论、逻辑、函数、数列极限到ZFC和不动点理论 | ✅ |

| [AI数学基础：概率统计到线性模型](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/academy/ai-mathematics/) | 5章完整知识链，概率论、统计学、优化理论、信息论、线性模型 | ✅ |

| [微积分：从函数到微分方程](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/academy/calculus/) | 12个词条完整知识链，从函数讲到ODE | ✅ |

| [线性代数：从向量到雅可比矩阵](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/academy/linear-algebra/) | 12个词条完整知识链，从向量讲到雅可比矩阵 | ✅ |

| [哲学：从古希腊到1840年](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/academy/philosophy/) | 25个词条，5个历史时期，1840年批判视角 | ✅ |

| [Python编程：从语法到数据结构](https://datawhalechina.github.io/reasoning-kingdom/dear-reasoner/academy/python/) | 10个词条，4个部分，重点实现四种基础数据结构 | ✅ |



> **状态说明**：📝 编写中 | ✅ 已完成 | 🚧 修订中



### 上卷：《推理的历史演变》（13章 + 番外）



| 章节 | 核心问题 | 状态 |

| :---- | :---- | :----: |

| [导读](https://datawhalechina.github.io/reasoning-kingdom/preface) | 五个原创研究项目介绍，上下卷结构说明 | ✅ |

| [第1章：对抗熵增](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter1/) | 推理是生存策略，不是智识游戏 | ✅ |

| [第2章：符号的黎明](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter2/) | If-Then 规则的力量与天花板 | ✅ |

| [第3章：从符号到向量](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter3/) | Word2Vec：推理从规则走向几何 | ✅ |

| [第4章：流形假设](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter4/) | 高维数据的隐秩序 | ✅ |

| [第5章：拟合的陷阱](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter5/) | 统计相关性不是推理 | ✅ |

| [第6章：因果的边界](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter6/) | 观测数据永远不够 | ✅ |

| [第7章：复杂度的真相](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter7/) | P vs NP：不是快慢，是结构 | ✅ |

| [第8章：启发式的契约](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter8/) | 接受"差不多对"需要多少勇气 | ✅ |

| [第9章：Transformer](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter9/) | 注意力机制如何重构推理基础设施 | ✅ |

|   ↳ [番外：注意力即因果](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter9/bonus) | 从因果外积重新推导注意力矩阵 | ✅ |

| [第10章：搜索的艺术](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter10/) | 在巨大推理空间中导航 | ✅ |

| [第11章：效能化推理](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter11/) | 推理的经济成本 | ✅ |

| [第12章：隐式推理](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter12/) | 神经网络的内部独白 | ✅ |

| [第13章：推理的边界](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter13/) | 哥德尔极限的计算版本 | ✅ |

|   ↳ [番外：暗线](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapter13/bonus) | 上卷十三章的隐藏因果逻辑链 | ✅ |

| [因果推理番外：从理论到代码 -- 神经因果算子的实现](https://datawhalechina.github.io/reasoning-kingdom/volume1/chapterbonous/) | CocDo 神经因果算子——上卷理论的可运行实现 | ✅ |



### 下卷：《推理的形式化重建》（12章 + 附录）



| 章节 | 核心问题 | 状态 |

| :---- | :---- | :----: |

| [下卷导读](https://datawhalechina.github.io/reasoning-kingdom/volume2/preface/) | 前置知识、推荐读物、三个让直觉失效的反例 | ✅ |

| [第14章：形式系统](https://datawhalechina.github.io/reasoning-kingdom/volume2/chapter14/) | 在你能证明一件事之前，你得说清楚"证明"是什么 | ✅ |

| [第15章：一致性与完备性](https://datawhalechina.github.io/reasoning-kingdom/volume2/chapter15/) | 你能建造一个不说谎、又无所不知的系统吗？ | ✅ |

| [第16章：线性逻辑与资源](https://datawhalechina.github.io/reasoning-kingdom/volume2/chapter16/) | 经典逻辑默认资源无限——这是一个代价高昂的谎言 | ✅ |

| [第17章：概率作为逻辑的扩张](https://datawhalechina.github.io/reasoning-kingdom/volume2/chapter17/) | 概率不是频率，是理性信念的唯一相容表示 | ✅ |

| [第18章：因果结构的形式化](https://datawhalechina.github.io/reasoning-kingdom/volume2/chapter18/) | 从数据里永远推不出因果——除非你愿意承认某些结构是假设 | ✅ |

| [第19章：复杂度作为推理的几何](https://datawhalechina.github.io/reasoning-kingdom/volume2/chapter19/) | P≠NP 不是关于机器速度的命题，是关于问题内在结构的命题 | ✅ |

| [第20章：启发式的形式合同](https://datawhalechina.github.io/reasoning-kingdom/volume2/chapter20/) | 可采纳性不是工程妥协，是数学承诺 | ✅ |

| [第21章：学习作为逆推断](https://datawhalechina.github.io/reasoning-kingdom/volume2/chapter21/) | 模型"学到了东西"的形式含义：它找到了更短的描述 | ✅ |

| [第22章：自指与涌现](https://datawhalechina.github.io/reasoning-kingdom/volume2/chapter22/) | Curry-Howard 对应告诉我们：证明即程序。那么，程序在证明什么？ | ✅ |

| [第23章：推理系统的稳定性](https://datawhalechina.github.io/reasoning-kingdom/volume2/chapter23/) | 从永霖收敛推导李雅普诺夫函数：推理系统的能量函数如何从行为中浮现 | ✅ |

| [第24章：范畴论眼中的推理收敛](https://datawhalechina.github.io/reasoning-kingdom/volume2/chapter24/) | 用范畴论解释推理收敛的结构必然性：幽灵指针对应终结对象，伴随函子缺失导致元层断裂 | ✅ |

| [第25章：边界的统一](https://datawhalechina.github.io/reasoning-kingdom/volume2/chapter25/) | 全书集大成——八条边界统一与不可能三角，回到元问题：AI真的在推理吗？ | ✅ |

| [附录：下卷思考题参考提示](https://datawhalechina.github.io/reasoning-kingdom/appendix-thinking-questions) | 下卷各章思考题的思考脚手架与关键点提示 | ✅ |



### 兔狲教授小词典



| 资源 | 描述 | 状态 |

| :---- | :---- | :----: |

| [兔狲教授小词典](https://datawhalechina.github.io/reasoning-kingdom/dictionary) | 163个核心概念的"官方解释+兔狲说"对比词典，拆解学术黑话，体现推理民主化立场 | ✅ |



**词典特点**：

- **词条结构**：官方解释（标准定义） + 兔狲说（个人解读带立场） + 为什么重要 + 延伸思考 + 相关词条

- **词条分类**：基础概念（45个）、核心理论（68个）、进阶思想（38个）、原创研究（12个）

- **核心立场**：推理应该被理解而不是被崇拜，技术应该为人服务而不是人为技术服务

- **覆盖范围**：全书25章核心概念，从熵、信息、贝叶斯到永霖公式、注意力因果拓扑、范畴论、不可能三角



## 贡献者



| 姓名 | 职责 | 简介 |

| :----| :---- | :---- |

| 李籽溪（兔狲） | 项目负责人/笔者 | 本书作者，创造了兔狲教授、小小猪、小海豹等角色。兔狲教授住在中山大学黑石屋，是一位温和的推理科学向导。致力于推理科学民主化，让算法与神经网络思维向所有人开放。 |



*注：前传通过兔狲教授（住在黑石屋）、小小猪、小海豹三人的对话互动，实现推理科学的民主化教学*



## 参与贡献



- 发现问题或有建议：[提 Issue](https://github.com/datawhalechina/reasoning-kingdom/issues)

- 想参与内容贡献：[提 Pull Request](https://github.com/datawhalechina/reasoning-kingdom/pulls)

- 联系 Datawhale 保姆团队跟进：[OP.md](https://github.com/datawhalechina/DOPMC/blob/main/OP.md)

- 如果你对 Datawhale 很感兴趣并想要发起一个新的项目，请按照[Datawhale开源项目指南](https://github.com/datawhalechina/DOPMC/blob/main/GUIDE.md)进行操作即可~



## 本地开发



本项目使用 [VitePress](https://vitepress.dev/) 构建静态网站。



**安装依赖**：

```bash

npm install

```



**开发服务器**：

```bash

npm run docs:dev

```



**构建生产版本**：

```bash

npm run docs:build

```



**预览构建结果**：

```bash

npm run docs:preview

```



## 关注我们





扫描下方二维码关注公众号：Datawhale







## LICENSE



知识共享许可协议
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。



*注：默认使用CC 4.0协议，也可根据自身项目情况选用其他协议*