"Foundations"
- 0.1 為什麼 LLM 生字慢
自回歸架構與記憶體頻寬瓶頸：為何即使 Mac 算力很強，本地 LLM 仍一個字一個字吐
- 0.2 介面 / 伺服器 / 模型三層架構
把任何本地 LLM 工具放回正確的層級，用三層心智模型看懂工具關係
- 0.3 OpenAI 相容 API
為什麼幾乎所有本地 LLM 工具不用改就能切到本地：背後是同一套 API 形狀
- 0.4 MLX / MTP / oMLX 的區別
三個常被混為一談的術語：framework、加速技巧、特化 server，疊加而非互斥
- 0.5 Apple Silicon 記憶體預算
記憶體決定能跑什麼，Q4 量化下的可運作模型對照與系統保留
- 0.6 判讀本地 LLM 資訊的五個框架
本地 LLM 資訊更新快，學會用版本、層級、變數、能力、資料流五個框架評估文章與宣稱
- 0.7 隱私 / 資安的資料流原理
從「位置」到「資料流」的思考升級：信任邊界、合約模型、零信任原則套用到 LLM 工作流
- 0.8 Deterministic vs Fuzzy Engineering：軟體設計典範的位移
傳統 deterministic 軟體跟 fuzzy LLM 軟體在資料、邏輯、分解、實驗成本四個維度的根本差異、以及哪段該 deterministic、哪段該 fuzzy 的決策框架
- 0.0 本地 vs 雲端 LLM
從隱私、成本、速度、能力四個維度建立本地與雲端 LLM 的基本對照