Stanford CS224W：Machine Learning with Graphs（2026 秋）

请帮我把「Stanford CS224W：Machine Learning with Graphs（2026 秋）」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://web.stanford.edu/class/cs224w/
我的系统：Windows。如果实际不符，先调整方案。
本次路线：在线学习。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：按课表完成 Colab 0–5、Homework 1–3 与课程项目。先从 Colab 0/1 开始；校外学习者不能获得课程评分。 运行官方 Colab notebook 需要学习者 Google 账号；先创建个人副本，只运行安装和导入检查，避免自动训练。GPU 额度与可用性由 Colab 决定，不承诺免费 GPU。Canvas 录像需学校权限；后续未发布课件继续使用课表入口。
课节（官方顺序）：
1. 1. Introduction：https://web.stanford.edu/class/cs224w/slides/01-intro.pdf
2. 2. Node embeddings：https://web.stanford.edu/class/cs224w/slides/02-nodeemb.pdf
3. 3. Graph neural networks：https://web.stanford.edu/class/cs224w/slides/03-GNN1.pdf
4. 4. A general perspective on GNNs：https://web.stanford.edu/class/cs224w/slides/04-GNN2.pdf
5. 5. GNN augmentation and training：https://web.stanford.edu/class/cs224w/slides/05-GNN3.pdf
6. 6. Theory of GNNs：https://web.stanford.edu/class/cs224w/slides/06-theory.pdf
7. 7. Designing Powerful Graph Encoders（讲义未发布）：https://web.stanford.edu/class/cs224w/
8. 8. Graph Transformers（讲义未发布）：https://web.stanford.edu/class/cs224w/
9. 9. Heterogenous graphs（讲义未发布）：https://web.stanford.edu/class/cs224w/
10. 10. Knowledge graphs（讲义未发布）：https://web.stanford.edu/class/cs224w/
11. 11. GNNs for recommender systems（讲义未发布）：https://web.stanford.edu/class/cs224w/
12. 12. Relational Deep Learning（讲义未发布）：https://web.stanford.edu/class/cs224w/
13. 13. Advanced architectures in RDL（讲义未发布）：https://web.stanford.edu/class/cs224w/
14. 14. Advanced topics in GNNs（讲义未发布）：https://web.stanford.edu/class/cs224w/
15. 15. Towards Foundation Models for Knowledge Graphs（讲义未发布）：https://web.stanford.edu/class/cs224w/
16. 16. Frontiers in Graph AI（讲义未发布）：https://web.stanford.edu/class/cs224w/
17. 17. Frontiers in Graph AI II（讲义未发布）：https://web.stanford.edu/class/cs224w/
18. 18. Deep generative models for graphs（讲义未发布）：https://web.stanford.edu/class/cs224w/
19. 19. Conclusion（讲义未发布）：https://web.stanford.edu/class/cs224w/

1. 环境
- 打开课程公开 notebook，在自己的 Google 账号中另存副本，再按 notebook 的安装单元配置；只阅读不需要登录。
- 先运行导入与小样本单元；GPU、付费服务和外部数据上传先说明目的与费用，经学习者确认后启用。不要执行提交成绩或自动调用模型的单元作为环境自检。
- 运行官方 Colab notebook 需要学习者 Google 账号；先创建个人副本，只运行安装和导入检查，避免自动训练。GPU 额度与可用性由 Colab 决定，不承诺免费 GPU。Canvas 录像需学校权限；后续未发布课件继续使用课表入口。
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程表与材料：只记录链接 https://web.stanford.edu/class/cs224w/（仅保存链接；未确认统一下载许可，不批量复制课件或视频。）
3. 目录（最外层放在我确认的位置）
stanford-cs224w-fall2026/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.md     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-lesson-01/
    ├── 02-lesson-02/
    ├── 03-lesson-03/
    ├── 04-lesson-04/
    ├── 05-lesson-05/
    ├── 06-lesson-06/
    ├── 07-lesson-07/
    ├── 08-lesson-08/
    ├── 09-lesson-09/
    ├── 10-lesson-10/
    ├── 11-lesson-11/
    ├── 12-lesson-12/
    ├── 13-lesson-13/
    ├── 14-lesson-14/
    ├── 15-lesson-15/
    ├── 16-lesson-16/
    ├── 17-lesson-17/
    ├── 18-lesson-18/
    └── 19-lesson-19/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.md，逐项检查并记录“通过/未通过”：
- 按浏览器或在线 notebook 清单检查，不为自检安装本机终端。
  - 在 Colab 的 Python 单元运行：import sys; print(sys.version)  → 显示 Python 版本；随后记录官方 notebook 导入单元的真实结果，不把未运行的模型实验标为通过。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。