吴恩达老师的讲 Claude Code，DeepLearning 的科普课程Claude Code: A Highly Agentic Coding Assistant 虽然定位偏入门，但这个课程仔细听下来，发现还是有一些 "Best Practices" 是我之前忽略的细节，因此对每个章节做了精读笔记，方便更好的记忆和回溯， 一共 8 节，推荐。

很多人不知道，今天Anthropic CEO Dario Amodei、AI教父吴恩达（Andrew Ng），其实都曾是百度硅谷AI研究院（Baidu Silicon Valley AI Lab）的一员 2014年，深度学习刚刚兴起，百度重金挖来刚创立Google Brain的吴恩达担任首席科学家，在硅谷建立AI研究院，希望复制Google Brain，打造世界级AI基础研究中心。当时聚集了一批后来改变AI历史的人物，包括Dario Amodei、Deep Speech作者Awni Hannun等 这支团队最大的成果是Deep Speech，它率先证明端到端深度学习能够彻底改变语音识别，也让百度一度站在全球AI第一梯队。更有意思的是，Dario后来提到，他们在百度时期就已经观察到一个后来被称为Scaling Laws的现象——模型越大、数据越多、训练越久，性能持续提升 但遗憾的是，这支“梦之队”最终没有成长为今天的OpenAI或Anthropic 原因并不是技术，而是战略 第一，AI定位不同。 百度更希望AI尽快服务搜索、广告、自动驾驶等业务，而不是长期投入建设通用人工智能（AGI），研究与商业目标逐渐出现偏离 第二，组织文化不同。 大公司强调业务协同、资源分配和短期ROI，而顶尖研究员更希望拥有独立决策权、更自由地探索前沿方向 第三，也是最关键的一点，没有持续押注Scaling。 2017年前后，行业开始进入“大模型+超大算力”的时代，OpenAI选择不断扩大模型规模、持续融资、长期烧钱；百度则将资源分散到多个AI业务，没有形成一个持续投入基础模型的核心引擎 随后，吴恩达于2017年离开百度创办DeepLearning，Dario先后加入Google、OpenAI，并最终创立Anthropic。回头看，百度硅谷研究院培养了一批影响AI时代的人才，却没能留住他们，也没有抓住大模型时代最大的机会 某种意义上，它更像是今天OpenAI、Anthropic等公司的“黄埔军校”，而不是最终的赢家