Caution
Alpha 内测版本：内容仍在迭代中，欢迎提 Issue 反馈问题或建议。
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：
- 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
- 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
- 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
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。
完整三部曲：https://datawhalechina.github.io/reasoning-kingdom
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，包含微积分、线性代数、哲学、Python编程四个章节，每个词条包含官方解释+兔狲老师解释+动手题+动脑题。
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。
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，直到 Curry-Howard 对应与自指涌现。
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。
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——而我们必须在不确定中继续前行。
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 | 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 | 布尔逻辑：所有推理的起点 | ✅ |
| 第2章：当资源有了边界（复杂度） | 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） | 停机问题：划定推理的疆界 | ✅ |
| 第4章：线性的智慧（遍历与搜索） | 线性思维：顺序处理的智慧 | ✅ |
| 第5章：贪心的诱惑（局部最优） | 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） | 启发思维：聪明猜测的艺术 | ✅ |
| 第7章：记忆的力量（动态规划） | 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 | 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 | 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） | 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） | 梯度下降：学习的本质 | ✅ |
| 第12章：记忆的链条（LSTM与RNN） | 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 | 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？ | Attention机制：学会忽略的艺术 | ✅ |
| 第15章：编码-解码堆栈（Transformer） | 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） | 区分"概率预测"与"逻辑推理" | ✅ |
| 第17章：推理科学家的工具箱 | 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 | 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 | 四个学科章节 | 4章 |
| 微积分：从函数到微分方程 | 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 | 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 | 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 | 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
| 章节 | 核心问题 | 状态 |
|---|---|---|
| 导读 | 五个原创研究项目介绍，上下卷结构说明 | ✅ |
| 第1章：对抗熵增 | 推理是生存策略，不是智识游戏 | ✅ |
| 第2章：符号的黎明 | If-Then 规则的力量与天花板 | ✅ |
| 第3章：从符号到向量 | Word2Vec：推理从规则走向几何 | ✅ |
| 第4章：流形假设 | 高维数据的隐秩序 | ✅ |
| 第5章：拟合的陷阱 | 统计相关性不是推理 | ✅ |
| 第6章：因果的边界 | 观测数据永远不够 | ✅ |
| 第7章：复杂度的真相 | P vs NP：不是快慢，是结构 | ✅ |
| 第8章：启发式的契约 | 接受"差不多对"需要多少勇气 | ✅ |
| 第9章：Transformer | 注意力机制如何重构推理基础设施 | ✅ |
| ↳ 番外：注意力即因果 | 从因果外积重新推导注意力矩阵 | ✅ |
| 第10章：搜索的艺术 | 在巨大推理空间中导航 | ✅ |
| 第11章：效能化推理 | 推理的经济成本 | ✅ |
| 第12章：隐式推理 | 神经网络的内部独白 | ✅ |
| 第13章：推理的边界 | 哥德尔极限的计算版本 | ✅ |
| ↳ 番外：暗线 | 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 | CocDo 神经因果算子——上卷理论的可运行实现 | ✅ |
| 章节 | 核心问题 | 状态 |
|---|---|---|
| 下卷导读 | 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 | 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 | 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 | 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 | 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 | 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 | 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 | 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 | 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 | 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 | 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 | 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 | ✅ |
| 附录：下卷思考题参考提示 | 下卷各章思考题的思考脚手架与关键点提示 | ✅ |
| 资源 | 描述 | 状态 |
|---|---|---|
| 兔狲教授小词典 | 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22章核心概念，从熵、信息、贝叶斯到永霖公式、注意力因果拓扑
| 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
- 发现问题或有建议：提 Issue
- 想参与内容贡献：提 Pull Request
- 联系 Datawhale 保姆团队跟进：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开源项目指南进行操作即可~
本项目使用 VitePress 构建静态网站。
安装依赖：
npm install开发服务器：
npm run docs:dev构建生产版本：
npm run docs:build预览构建结果：
npm run docs:preview扫描下方二维码加入推理王国内测群（7天内有效，过期请联系作者更新）
扫描下方二维码关注公众号：Datawhale
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