核心基础概念 (Core Foundations)✅
本模块涵盖大模型最底层的核心心智模型：Token 的本质与 BPE 分词机制、大模型自回归概率生成哲学与前端状态机的冲突、Prompt Engineering 与采样参数控制，以及 Token 上下文预算管理。
大模型原理与前端认知 (LLM Architecture & Mental Models)✅
本模块聚焦前端工程师必须建立的大模型底层机制认知：Transformer 架构的通俗机理、Self-Attention 自注意力与多头注意力、大模型幻觉成因与工程防御门禁、结构化输出（Structured Outputs）与模式契约，以及 Embedding 向量空间与余弦相似度计算。
大模型流式交互与生成式 UI (Streaming Interaction & Generative UI)✅
本模块聚焦前端直面用户的核心交互体验层：端到端流式通信协议与打字机缓冲队列、Markdown AST 容错增量排版防抖、生成式 UI（Generative UI）动态组件沙箱与 XSS 防御，以及多轮会话分支树状态机。
智能体工程与前端载体 (Agent Engineering & Frontend Harness)✅
本模块系统性梳理大模型智能体（Agent）在前端与全栈领域的全套工业级技能栈：Agent 四大核心要素、业界主流 Agent 框架与产品横向选型对比、扩展手段（Tools、MCP、Skills、Subagents）、前端 Agent Harness 宿主与思考链可视化、Human-in-the-Loop (HITL) 授权门禁，以及大型可视化 DAG 工作流编排画布。
协议生态与质量工程 (Protocols & Ecosystem) ✅
本模块系统性梳理大模型前端工程生态链、开放协议与质量治理体系：跨工具通用标准协议 Model Context Protocol (MCP)、AI 辅助编程代码质量门禁与防幻觉机制、规格驱动开发（Spec-Driven Development, SDD）架构闭环以及大模型与 Agent 自动化量化评测体系（Eval Benchmark）。
端侧推理与底层运行机制 (Runtime & Internals) ✅
本模块深挖大模型在前端与端侧落地的底层运行原理与极限性能机制：浏览器端 WebGPU Compute Shader 硬件加速与模型推理管线、前端私域 RAG 本地向量知识库混合检索、长会话上下文预算与多级记忆管理收敛机制，以及从 GPU 显存注意力机制到前端编排的 Prompt Caching 与 KV-Cache 状态优化。
AI 智能工程 (AI Engineering) 体系导读✅
在大模型（LLM）与智能体（Agent）深度重塑软件工业的 2026 年，AI 智能工程已成为现代高级前端架构师与全栈技术专家的核心分水岭。根据头部大厂与高薪技术岗位（35K~160K+）的真实画像，现代工程师已全面跳出“简单的 Chat 对话框接入”这一原始阶段，深度进入“交互体验重构（流式/Generative UI）、Agent 运行载体（Harness/MCP/Skills/Subagents）、端侧异构推理（WebGPU/本地 RAG）以及效能规范守卫（Spec-Driven/质量门禁）”四大核心战役。
前端 AI 核心手写实战题 (Coding Practice)✅
本模块还原大厂面试中针对前端 AI 工程师、Agent 架构师的高频现场上机手写考题。严格包含规范接口契约、边界保护、优雅状态流转与开箱即用的 TypeScript 生产级实现。