ThinCoder：有责任感的开源 AI 编程助手
主动发现问题、对整个项目负责、诚实说明不确定性。零运行时依赖，覆盖桌面版、CLI 与 VS Code 三个入口，兼容 18 家模型提供商。
STM32 中断与 DMA 实战：让外设自己"跑"起来
主循环里既要跑业务逻辑又要轮询串口和 ADC，结果数据丢包、响应卡顿？问题往往不是主频不够，而是 CPU 被 IO 拖住了。本文从实际项目出发，用中断处理异步事件、用 DMA 实现零拷贝数据搬运。
现代 CMake 工程实战：构建可移植的 C++ 项目
还在用 include_directories 和 link_libraries 堆全局命令？项目一大就会出现"改个头文件路径全工程重编""依赖顺序一乱就链接失败"的连锁反应。本文用 target 式写法把依赖、编译选项与传播范围一次讲清，并给出可移植的工程骨架。
Python asyncio 异步编程：事件循环与协程实战
写爬虫或调用 API 时顺序执行 100 个请求要几十秒，其中绝大部分时间都在等网络。本文从生成器到协程讲清 asyncio 的事件循环模型，用 Task 与 gather 组织并发，并给出限流与避坑的实战写法。
NumPy 向量化：告别 for 循环
同一段数值计算，用 Python 的 for 循环要跑好几秒，换成向量化却只要几十毫秒——差距能到上百倍。本文从解释器开销与内存布局讲起，把广播规则、布尔掩码、np.where 与 np.einsum 一次说清，并给出可以直接套用的改写套路。
刚体动力学入门：牛顿-欧拉方程与三维姿态
卫星姿态控制、机械臂仿真、游戏物理引擎，背后都是同一套方程。本文从质点推广到刚体，讲清惯量张量、角动量与欧拉方程的物理含义，并给出可直接运行的最小实现。
深入浅出反向传播：用 NumPy 手写神经网络
调包跑通模型很容易，但"梯度到底是怎么算出来的"往往说不清楚。本文不依赖任何框架，从计算图与链式法则出发，用几十行 NumPy 实现前向与反向传播，把深度学习最核心的一步拆开看。
FreeRTOS 任务调度实战：信号量、队列与互斥锁
裸机的超级循环一旦加入多个功能模块，就会变成一团互相等待的意大利面。本文讲清 FreeRTOS 的优先级抢占式调度原理，用队列与信号量完成任务间通信，并避开优先级翻转、死锁这些经典陷阱。
用 Python 写一个刚体物理仿真器：RK4 与四元数
物理引擎看着神秘，拆开其实只有三块：状态、导数、积分。本文用 Python 从头搭一个能跑起来的刚体仿真器，用 RK4 保证数值稳定，用四元数表示姿态避免万向锁，并加入简易的碰撞冲量响应。
Transformer 注意力机制详解：从 Seq2Seq 到 Self-Attention
"Attention Is All You Need" 之后，注意力成了大模型的通用底座。本文从 Seq2Seq 的信息瓶颈讲起，逐行拆解 QKV 计算与多头注意力，并给出一个最小可运行的 NumPy 实现。