完整学习路线

这不是按岗位堆出来的题目目录，而是一张能力依赖图。先建立可复现的软件与 AI 基础，再进入 Agent、安全和生产化，最后才根据就业方向选择性深入。

COMMON TRUNK FIRST

从共同底座走到方向分支

筛选方向只会突出相关路径，不会隐藏它依赖的共同基础。

查看路径

0 · 可复现学习

可复现与证据

把Manifest、版本身份、结构化结果、Trace、副作用和Artifact验证组成最小Evidence Bundle。

产物：一个验证输入、产物和副作用并输出Evidence Bundle的确定性CLI

1 · 软件与系统

状态、事件与复杂度

用命令、事件、状态转换、不变量和版本冲突控制异步任务生命周期。

产物：带版本检查、去重、回放和故障测试的任务状态机

网络、流式与取消

从请求分层定位，走到SSE续传、Deadline传播、幂等重试与背压诊断。

产物：带游标、终态、取消和故障矩阵的事件流

事务、缓存与队列

在数据库、缓存、消息代理和外部副作用之间，用幂等记录、Outbox、去重、对账与补偿收敛。

产物：带幂等键、事务性Outbox、副作用账本和补偿的任务处理器

2 · 数学与机器学习

机器学习与实验

从预测时可见信息出发设计数据切分、Pipeline、指标、阈值与误差分析，避免把泄漏当能力。

产物：带固定切分、Pipeline、混淆矩阵和误差清单的小型分类实验

3 · LLM 应用

Token、Attention 与上下文

从Tokenizer和Q/K/V计算，走到Mask、多头、KV Cache与上下文预算。

产物：Attention手算与上下文干扰实验

检索、引用与无答案

把文档身份、分块、召回、重排、上下文打包、引用绑定和无答案评测连成一条可诊断流水线。

产物：带索引版本、引用、无答案策略和评测集的检索演示

4 · Agent 工程

Workflow 与 Agent

从编排模式、控制循环、预算与终止条件判断何时使用固定流程、模型路由或受控Agent。

产物：带预算、重复检测、完成验证和五类故障注入的受控Agent Loop

状态、工具与记忆

用工具契约、能力令牌、权威运行状态和分层记忆构建有限步、可取消、可审计的Runner。

产物：有限步、可取消、可审计并可故障注入的Runner

5 · 安全、评测与可靠性

安全、评测与回放

从资产和信任边界建立威胁模型，把提示注入、越权与故障转成隔离执行、机器断言和可回放报告。

产物：攻防用例、隔离Runner和可回放评测报告

6 · 生产化与综合项目

生产化综合项目

把API、状态、队列、检索、工具、安全评测、Trace、SLO、成本预算和人工接管组合成可运营系统。

产物：可回放、可评测、可降级并具备人工接管的最小Agent系统

7 · 方向专项

Agent 应用与产品工程

把长任务状态、流式反馈、恢复和人工接管做成用户能够理解与控制的产品边界。

产物：一个包含正常、失败、取消和接管路径的Agent应用

Agent Runtime、Harness 与评测

构建隔离执行、工具模拟、Trace、回放、故障注入和差异报告基础设施。

产物：一个能回放失败并生成差异报告的Runtime Harness

AI 后端与可靠性工程

围绕流式API、状态、队列、存储、容量和成本构建故障下仍可收敛的服务。

产物：一个处理断线、重复请求、积压和Worker失败的服务骨架

LLM、搜索与检索工程

围绕语料身份、混合召回、重排、Grounding和离线评测提升可核查答案质量。

产物：一个有可解释召回、引用和无答案处理的检索系统

GUI、OS 与多模态 Agent

把视觉或可访问树观察映射到受限动作，并用执行后状态验证而不是截图相似度判断成功。

产物：一个在可重置模拟界面上执行并验证动作的Lab

游戏 AI 与交互式叙事

把确定性世界状态、行为选择、规划、记忆和生成内容分层，保证可玩性与叙事边界。

产物：一个能解释状态、计划、记忆和Fallback的NPC系统

端侧与推理工程

在固定设备与质量门槛下测量模型转换、量化、算子支持、内存、延迟和能耗。

产物：一个包含误差、延迟、峰值内存和包体对比的端侧实验

如何使用这张路线

先看通过条件，不只看篇数。 能完成阶段产物，就可以继续。
允许通过前置测验跳过熟悉主题。 但要保留可验证证据。
方向筛选不是删课。 路线会保留该方向真正依赖的共同节点。
按依赖推进，也允许回看。 每个节点都链接到完整课程，完成阶段产物后再进入下一个依赖节点。

每一阶段的完成标准

阶段	通过条件
可复现学习	能记录输入、输出、状态、失败和来源
软件与系统	能解释并实现取消、重试、幂等和持久状态
机器学习	能发现数据泄漏并做误差分析
LLM 应用	能测量 Token、延迟、检索和答案证据
Agent 工程	能实现有限步、可取消、可审计的执行循环
安全与评测	能用攻击用例和 trace 证明边界
综合项目	能说明质量、延迟、成本和风险取舍
方向分支	能产出一个有测量、有失败边界的专项作品