把学透的领域，写成小书
每学透一个领域，就把它写成一本结构完整的中文小书：一页一个知识点，原理优先，代码只作印证。书不追新，只求讲透；完结才上架，上架即可从头读到尾。
分析与代数的地基：两本经典教材的逐节精读重写。
线性代数应该这样学 依 Axler 第四版精读重写：以线性映射为中心、内积空间为高潮、行列式最后出场 概率论基础教程 依 Ross 第九版逐节重写：定义、定理、例题与插图俱全的概率论主干课把药物发现链条上的问题翻译成机器学习问题。
分子机器学习导论 以 RDKit 打化学信息学的地基，以 DeepChem 讲性质预测，以 TorchDrug 讲分子生成从药物发现的漏斗出发，一路走到分子生成模型的前沿：先弄清"分子如何变成数据"，再弄清"模型如何从数据中学"，最后弄清"学到的模型能生成什么"。全部推导自足，不预设框架经验。
每节自成单元，一两次阅读即可消化；前后靠交叉引用衔接，可以从任何一节读起。
公式给推导，图示给直觉，假设与局限明说；代码只是原理的注脚，不是主角。
多数书依托一部经典教材或一套官方文档逐节重写；文献只列真实可查者，图中数字可复算。
新的分类，会随着第一本属于它的书一起开张。