AI-Wiki：基于 VitePress 的开源人工智能知识图谱项目

AI-Wiki 是一个由上海科技大学开源的 AI 知识图谱项目，基于 VitePress 构建，系统化整理机器学习、深度学习、自然语言处理等领域的知识体系，目标是建立可导航、可扩展的 AI 知识网络。

人工智能是一个发展极其迅速的领域。从经典的机器学习算法到最新的 Transformer 架构，从统计学习理论到深度学习的经验主义，知识点的数量和复杂度呈指数级增长。对于学习者而言，面对海量的论文、教程和博客，往往感到无所适从——东学一点，西看一些，最终难以形成完整的知识体系。

传统的学习方式存在几个明显的痛点：

碎片化严重：网上的 AI 教程往往是零散的知识点，缺乏系统性的组织。今天学了一个优化算法，明天看了一篇注意力机制的论文，但这两者之间有什么联系？在整个知识体系中处于什么位置？很少有人能说清楚。

更新迭代快：AI 领域的知识半衰期很短。三年前的主流方法可能已经被新方法取代，但旧教程仍在互联网上流传，容易误导初学者。

理论与实践脱节：很多教程要么过于理论化，满篇公式让人望而生畏；要么过于工程化，只讲调参不讲原理。学习者难以建立从理论到实践的完整认知链条。

中英文资源割裂：优质的 AI 资源分散在中英文两个世界，中文社区缺乏系统性的知识整合平台。

AI-Wiki 项目正是为了解决上述问题而诞生。这是由上海科技大学（SHTU）开源维护的 AI 知识图谱项目，基于 VitePress 构建文档站点。项目的核心目标不是零散记录知识点，而是将 AI 领域中分散的概念、方法与论文组织成可导航、可扩展的知识网络。

这个愿景包含三个关键维度：

系统化：不是简单的知识罗列，而是按照学科内在逻辑组织内容。从数学基础到机器学习，从深度学习到自然语言处理，从多模态到具身智能，形成清晰的知识脉络。

可导航：通过知识图谱的关联结构，学习者可以从任意节点出发，向前追溯基础知识，向后探索进阶内容，横向了解相关概念。这种非线性的学习方式更符合人类认知规律。

可持续演进：AI 领域日新月异，知识库必须能够持续更新。项目采用开源协作模式，鼓励社区贡献，确保内容与时俱进。

AI-Wiki 选择 VitePress 作为文档站点的构建工具，这是一个经过深思熟虑的技术决策：

VitePress 的优势：

• 极速的开发体验：基于 Vite 构建工具，冷启动和热更新速度极快，大幅提升内容编写效率
• 原生 Markdown 支持：内容完全使用 Markdown 编写，降低贡献门槛，便于版本控制
• 内置导航功能：自动生成侧边栏、导航栏，支持多层级目录结构，天然适合知识图谱的组织
• 主题可定制：提供灵活的主题配置和组件扩展能力，可以打造符合项目风格的阅读体验
• 静态站点生成：构建输出为纯静态文件，部署简单，访问速度快，SEO 友好

数学公式支持：AI 领域离不开数学表达。项目使用 markdown-it-mathjax3 插件支持 LaTeX 数学公式渲染，无论是线性代数的矩阵运算，还是概率论的期望方差，都能完美呈现。

包管理工具：采用 pnpm 作为包管理器，相比 npm 和 yarn，pnpm 的磁盘空间效率更高，安装速度更快，且能更好地处理依赖关系。

AI-Wiki 的内容组织遵循"从基础到应用"的认知路径：

数学基础层：这是整个知识体系的根基。包括线性代数、概率论与统计、微积分、优化理论等。很多 AI 学习者急于上手跑模型，却忽视了数学基础，导致"知其然不知其所以然"。AI-Wiki 强调基础的重要性，用直观的方式讲解抽象的数学概念。

机器学习层：从经典的监督学习、无监督学习，到集成方法、概率图模型。这里既有算法的数学推导，也有直观的原理讲解，帮助学习者建立对 ML 本质的理解。

深度学习层：神经网络的基本原理、反向传播算法、各种网络架构（CNN、RNN、Transformer）。特别注重从数学角度解释为什么某些设计有效，而不是简单的"调参指南"。

自然语言处理层：词向量、语言模型、序列标注、机器翻译、预训练模型。从统计 NLP 到神经 NLP 的演进脉络清晰可见。

多模态与具身智能：这是 AI 的前沿方向。多模态学习、视觉-语言模型、机器人学习等新兴领域的内容也在持续扩充中。

AI-Wiki 采用双语架构设计：

• docs/ 目录存放中文主站内容
• docs/en/ 目录存放英文站内容

这种设计体现了项目的国际化视野。一方面，中文内容降低了国内学习者的阅读门槛；另一方面，英文内容让海外社区也能受益，同时促进中外 AI 社区的交流。

对于术语翻译，项目坚持"术语一致"原则。同一个概念在中英文站点使用对应的翻译，并在首次出现时给出原文对照，避免读者在不同资料间切换时产生困惑。

AI-Wiki 采用开源模式运作，欢迎社区通过 Pull Request 参与贡献。贡献的形式包括：

内容补充：添加新的知识点、完善现有内容的解释、补充数学推导过程

错误修正：发现内容错误、链接失效、公式渲染问题等，及时提交修复

结构优化：改进知识图谱的导航结构，让内容组织更加合理

翻译工作：将优质的中文内容翻译成英文，或反之，促进双语内容的同步更新

项目对贡献者有一些基本要求：

• 保持术语一致性，优先链接到已有的知识节点
• 内容层级清晰，避免冗长的段落，善用标题和小节
• 数学公式规范，使用标准的 LaTeX 语法
• 代码示例可运行，提供必要的依赖说明

想要本地运行 AI-Wiki 非常简单：

# 安装依赖
pnpm install

# 启动开发服务器
pnpm run docs:dev

启动后即可在浏览器中预览文档站点，修改内容会自动热更新，开发体验流畅。

构建生产版本：

pnpm run docs:build

构建结果输出到 docs/.vitepress/dist 目录，可以直接部署到任意静态资源托管环境，如 GitHub Pages、Vercel、Netlify 等。

预览构建结果：

pnpm run docs:preview