软件技术 · 学习与工作的工具箱

串起来的一句话：自动配置原理让你明白"加个 starter 就能跑"的背后是条件化装配 → 微服务拆分是把一个胖应用拆成多个能独立部署的服务 → 网关限流（Gateway + Sentinel）保护服务不被打爆 → 链路追踪（Micrometer + OpenTelemetry）在几十个服务里定位"这次慢到底卡在谁"。

Python 线（从琐事到 AI）

基础不牢，爬虫的异常处理就写不对；pandas 建立的"表格即对象"思维，是进 ML 的门票；ML 跑通了，才谈得上把模型接进 LLM 应用。顺序：Python 基础 → Web → 爬虫 → 数据科学 → ML/DL → LLM 应用。

Python 基础 → 标准库 os/re/csv → Web（FastAPI） → 爬虫 requests/Scrapy → 数据科学 pandas/numpy → ML/DL scikit-learn/PyTorch → LLM 应用 RAG/Agent

系统 / 性能线（往下扎到机器）

C/C++ 让你理解"内存和指针"；Rust 用所有权在编译期消灭一类并发 bug；Go 用 goroutine 把高并发写得很轻；再往上才是操作系统、网络、中间件和高并发设计。

C / C++ → Rust 所有权 → Go 并发 → 操作系统 / 网络 → 中间件 MQ/缓存 → 高并发系统设计

前端线（从页面到工程化）

HTML/CSS/JS → TypeScript → React / Vue → Vite 构建 → 工程化 / 测试 → 性能 / 可访问性

法

怎么用这条线

① 选一条主线走到"能独立做一个小项目"，再横向扩展，别同时追四条线。

② 卡在某个点，回去看它前面那门课——十有八九是地基没踩实。

③ 线上的点不是都要精通，和你工作对口的主线深耕，其余当字典。

编

方向一：编程入门

Coding Basics with Python

很多人一听"编程"就头大，觉得那是程序员的饭碗，跟自己没关系。其实编程一点都不神秘：编程就是"给电脑下指令"。你每天手动重复一百遍的事——改文件名、整理表格、备份文件——只要把这些事拆成一步一步告诉电脑，它就能替你做，做错了还能改。你不需要变成程序员，会写一点点"指令"，就能把每天浪费在重复操作上的时间省下来。

论为什么要学编程，学什么

是什么：编程 = 把一件事拆成步骤，用电脑听得懂的话写下来。你说"把这个文件夹里 100 张照片按日期改名"，手动要一下午，写成指令电脑 1 秒跑完。

为什么：三个真实理由——① 自动化重复工作（每月都要做的报表，跑一次脚本就完事）；② 批量处理数据（从几十份表格里抓信息汇总成一张总表）；③ 做自己的小工具（顺手做个记账、提醒、备份的小脚本）。

学什么：只挑 Python 最基础的四样——变量（存东西的盒子）、条件（如果……就……）、循环（重复做）、函数（打包成一个按钮）。四个零件拼起来，就能解决大半日常小麻烦。

怎么用：别一上来啃厚教材。从"解决自己的一个小麻烦"开始——哪怕只是把桌面文件名批量改一遍，跑通一次，信心就有了。

四个最基础的"零件"

别背术语，先看每个零件在生活里对应什么。下面这张表混个眼熟，后面例子里会反复出现。

零件	大白话是什么	生活里的对应
变量 variable	一个贴了标签的盒子，往里面放东西，以后用标签取出来。	`名字 = "小明"`　把"小明"放进贴了"名字"标签的盒子。
条件 if	"如果……就……，否则……"，让电脑自己做判断。	`如果下雨：带伞；否则：不带。`
循环 for	"对每一个……都做一遍"，让电脑替你重复。	`对文件夹里每一张照片：改名字。`
函数 def	把一串动作打包，起个名字，以后喊名字就能用。	像电器上的"煮饭"按钮——按一下，自动走完一整套流程。

三个你马上能用上的小例子

下面三段代码都很短，每行后面跟着中文注释（# 开头的那行），告诉你这行在干嘛。先读注释，再读代码，不懂语法也能看懂思路。

例子 1：用 Python 批量重命名 100 个照片文件

import os  # 调用电脑自带的文件工具

# 遍历 photos 文件夹里的每一个文件
for filename in os.listdir("photos"):
    # 只挑出以 .jpg 结尾的照片
    if filename.endswith(".jpg"):
        # 给它加个前缀，变成"旅行_xxx.jpg"
        new_name = "旅行_" + filename
        os.rename("photos/" + filename, "photos/" + new_name)
        print("改好了：", new_name)

例子 2：把整理好的信息写成一张表格（CSV，Excel 能直接打开）

import csv  # 调用处理表格的工具

# 假设已经把网上的信息整理成了这样一份清单
data = [
    {"标题": "Python 入门书", "价格": 59},
    {"标题": "数据分析实战", "价格": 89},
]

# 把清单写进一个"结果.csv"文件
with open("结果.csv", "w", newline="", encoding="utf-8-sig") as f:
    writer = csv.DictWriter(f, fieldnames=["标题", "价格"])
    writer.writeheader()       # 先写表头
    writer.writerows(data)     # 再把数据一行行写进去

print("表格已生成：结果.csv，双击就能用 Excel 打开")

例子 3：写一个"每天自动备份文件"的小脚本

import shutil        # 文件复制工具
import datetime      # 日期工具

# 拿到今天的日期，比如 2026-09-16
today = datetime.date.today().isoformat()

# 把"工作资料"整个文件夹，复制到"备份/今天日期"里
shutil.copytree("工作资料", "备份/" + today)

print("备份完成，今天是", today)

先看这句大实话

不要一上来就追求"精通 Python"。新手最容易掉的坑：收藏一堆教程、装一堆软件、看了半个月视频，一行代码没跑过。正确做法是先跑通一个小脚本——哪怕只是把桌面 10 个文件批量改名，跑成功的那一刻，你就已经"入门"了。语法是在跑的过程中补的，不是背出来的。

小练习 · 编程入门

1.（概念题）下面这段代码里，for 这一行在干嘛？请用大白话说出来：

for name in ["张三", "李四", "王五"]:
    print("你好，" + name)

查看答案

答案：它在说"对着张三、李四、王五这三个人，每个人都说一句『你好，某某』"。循环（for）就是让电脑把同样的动作，对名单里的每一项重复做一遍。解析：这就是循环的本质——你写一次，电脑替你重复三次（或三百次）。

2.（代码填空）想让程序做到"分数大于等于 60 就打印『及格』，否则打印『不及格』"，横线处该填什么？

score = 75
if ______:
    print("及格")
else:
    print("不及格")

查看答案

答案：横线处填 score >= 60。解析：if 后面跟的是一个"是真是假"的判断——75 大于等于 60 这句话是真的，电脑就走"及格"这条分支；如果是 50，这句话是假的，就走 else 分支。

3.（思考题）你每周都要把一个文件夹里的截图按"日期+序号"重命名，手动要 20 分钟。学了今天的内容，你打算怎么用 Python 解决？说思路就行，不用写完整代码。

查看答案

参考思路：① 用 os.listdir 列出文件夹里所有文件；② 用 for 循环每一个；③ 用 if 只挑出截图（.png/.jpg）；④ 拼出新名字（今天日期 + 第几个）；⑤ os.rename 改名。解析：这正是"批量重命名"那个例子的思路——把你手动做的步骤，一条条翻译成电脑听得懂的话。以后每周跑一下，1 秒完事。

免费学习资源（都能白嫖）

资源	特点	适合阶段
Python 官方中文教程	官方出品、免费、权威，从零讲到入门。	刚起步，边读边敲
freeCodeCamp（中文）	交互式在线练习，浏览器里直接写代码，不装环境。	零基础第一周
廖雪峰 Python 教程	中文社区经典，大白话、例子多。	入门后查漏补缺

记

怎么用卡片

① 别啃厚书，先让一个脚本跑起来——哪怕只改 10 个文件名，跑通就是胜利。

② 代码里一定写中文注释，过两周你自己回来看，注释比代码还重要。

③ 报错了别慌，把红字整段复制给 AI 看，它会告诉你哪一行出了什么问题。

工

方向二：工具链与效率

Toolchain & Productivity

这个方向不是让你学更多软件，而是把你已经在用的软件用得更快。同一个软件，熟练的人比新手快 3 倍——差的从来不是软件，而是几个快捷键和小习惯。每天省 10 分钟，一年下来就是 60 个小时。下面四块：命令行、Git、编辑器、自动化，每块都只学"解决什么问题"的最小够用版。

论四类省时间的基本功

命令行：给电脑开一条"直达车道"——不用一层层点文件夹，打一行字就到。

Git：给你的文件存"后悔药"——改坏了能回到上一版，多人一起改也不会打架。

编辑器：选对工具、记住几个快捷键，写东西的速度翻倍。

自动化：把"点鼠标点一百遍"的操作录下来，以后一键回放。

命令行基础：打字比点鼠标快

终端（也叫命令行、Shell）就是一个"只打字、不用鼠标"的黑色小窗口。你不用成为黑客，记住下面 10 个命令就够应付 90% 的日常。

命令	大白话	例子 / 解决什么问题
`pwd`	我现在在哪儿？	迷路时打一下，告诉你当前文件夹路径。
`ls`	看看这里有什么	列出当前文件夹里的文件，相当于双击打开文件夹。
`cd 目录名`	进某个文件夹	`cd 下载`　进到"下载"里；`cd ..`　退回上一级。
`mkdir 名字`	新建文件夹	`mkdir 项目资料`　比右键新建快。
`cp 源目标`	复制文件	批量复制时比拖鼠标快得多。
`mv 源目标`	移动 / 改名	`mv a.txt b.txt`　直接改名。
`rm 文件名`	删除	谨慎用！删掉不进回收站。
`cat 文件`	看文件内容	快速看一个文本文件里写了什么。
`clear`	清屏	屏幕刷满了，打一下重新变干净。
`.. 和 ~`	两个快捷地址	`..` 是上一级，`~` 是你的主目录，省去一路翻文件夹。

Git 版本控制：给文件存"后悔药"

你写一份方案，改了十版——v1、v2、最终版、真的最终版、打死不改版……最后老板说"还是第一版好"，你翻不回去了。Git 就是解决这事的：它帮你记住文件的每一个版本，随时能回到任意一版。

commit（提交） → 给当前状态"拍一张快照"

改完一个小版本，就拍一张照片存下来，并写一句说明。

大白话：commit 就是"存档"。游戏打 boss 前存个档，打输了读档重来。你写完一章、改好一段，就 commit 一下，以后随时能翻到这一版。

push（推送） → 把存档传到网上备份

存在自己电脑上不保险，传到 GitHub 这类网站上，硬盘坏了也能找回来。

解决什么问题：电脑突然崩了、硬盘挂了，存档还在云上，重新下载就行。多人合作时，大家也靠 push 把各自的改动汇到一起。

pull（拉取） → 把网上最新存档拉到自己电脑

换了台电脑，或者同事改了东西，pull 一下就同步到最新。

大白话：push 是"上传"，pull 是"下载最新版"。一个人用也不亏——它就是你免费的、带历史记录的云备份。

编辑器效率：VS Code 记住这几个就够

VS Code 是目前最常用的免费写代码/写文本工具，插件丰富。不用学全，记住下面五个快捷键，效率立刻翻倍。

快捷键（Mac / Windows）	干什么用
`Cmd+P / Ctrl+P`	按文件名秒速打开文件，不用在文件夹里翻。
`Cmd+D / Ctrl+D`	选中当前这个词，再按一下选中下一个相同的，一起改。
`Cmd+/ / Ctrl+/`	一键把当前行变成注释 / 取消注释。
`F2`	一键重命名一个变量，所有用到它的地方一起改。
Cmd+` / Ctrl+`	在编辑器里直接调出命令行，不用再切窗口。

自动化工具：把重复操作录下来

宏（Macro） → 录一遍，以后一键回放

Excel、VS Code 里都有"录制宏"功能。

解决什么问题：你有 50 个表格要做一模一样的格式调整。打开录制，操作第一个，它把你的每一步录下来；剩下 49 个按一下按钮，它自动替你做。

自动化脚本 → 把 Python 脚本定时跑

前面那个"自动备份"脚本，交给系统定时任务每天跑。

解决什么问题：不用你每天记得去点，系统到点自动执行。Mac 用"定时任务（launchd）"、Windows 用"任务计划程序"，图形界面点几下就能设。

思维陷阱

工具是为了省时间，不是拿来折腾的。很多人学工具学着学着跑偏了——花三天挑编辑器主题、找插件、配字体，正事一件没干。记住一条：每学一个工具，当天就拿它干一件真事（哪怕只是用 cd 进一次文件夹）。学完不用，三天就忘；用一次，就留下了。

小练习 · 工具链与效率

1.（概念题）你在文件夹里找一个不知道藏在哪的文件，用命令行的话，哪条命令能最快列出当前文件夹里所有东西？

查看答案

答案：ls（Windows 是 dir）。解析：它相当于"把这个文件夹的内容全列出来"，比一层层双击点开快。配合 cd 上下进出，比用鼠标翻快得多。

2.（情景题）你写了一份简历，改了五版，文件名变成"简历v1.doc / 简历v2.doc / 简历最终版.doc / 简历真的最终版.doc"。用 Git 的三个动作（commit / push / pull）怎么从根上解决这个问题？

查看答案

答案：只保留一个"简历.doc"，每改一版就 commit 一次（写清"加了实习经历""改了自我评价"），push 到网上备份。想回到任何一版，Git 历史里都找得到。解析：不用再搞一堆带"最终版"的文件——Git 帮你记住每一版，一个文件名就够。

3.（选择题）在 VS Code 里，你想把代码里所有的"name"一次性改成"用户名"，最快的快捷键是？A. 一个个手动改　B. 按 F2　C. 关机重启

查看答案

答案：B，按 F2。解析：把光标放在 name 上按 F2，重命名一处，全文所有用到它的地方一起改，不会漏。这就是"编辑器效率"的典型例子——一个键顶手动改二十次。

记

怎么用卡片

① 命令行只背 10 个命令就够，别啃《命令行大全》。

② 写东西就一个文件，靠 Git 记版本——告别"最终版、最终版2、打死不改版"。

③ 任何"重复做 5 次以上"的操作，都想想能不能录成宏或写成脚本。

智

方向三：AI 辅助学习与开发

AI-Assisted Learning & Work

现在的 AI（豆包、ChatGPT 这类）已经能当一个随叫随到的助手：解释难题、改作文、写代码、润色邮件，半夜三点也在。但请先记住一句话——AI 是助手，不是替身。它会犯错、会一本正经地胡说，你得有判断力；它给你代码，你得能看懂每行在干嘛，不能直接抄了就交。

论AI 能帮你干什么，不能干什么

是什么：用 AI 把学习和工作里"查、写、改"这三类活外包掉一部分，你负责提需求、做判断、拍板。

为什么：以前"第一次尝试"最耗时间——不懂的概念查半天、作文改半天、报错搜半天。AI 把这部分时间压缩到几分钟，你把精力花在真正需要动脑的地方。

怎么用：三件事——会提问（怎么问决定答案质量）、会验证（重要结论自己核对）、会落地（把 AI 给的东西改成自己能用的）。

什么时候用：卡壳了、卡住了、第一次接触一个新东西——先问 AI 拿个入门解释，再自己动手，比闷头查资料快得多。

AI 能帮你干的四类活

场景	让 AI 干什么
AI 辅助学习	解释难懂的概念（"用大白话讲导数"）；生成练习题（"出 5 道鸡兔同笼"）；批改作文；陪你练口语对话。
AI 辅助开发	写一段小代码；对着报错一步步 debug；解释这段代码每一行在干嘛；帮你做代码审查。
AI 辅助写作	润色一封邮件；给一篇文章生成大纲；中英互译；把啰嗦的话改简洁。
AI 辅助查资料	把一大段文章总结成三句话；对比几个选项的优缺点；列一个问题的解决思路清单。

三个真实例子：好的提问长什么样

例子 1：让 AI 解释微积分"导数"

差的问法："什么是导数？"　好的问法见下。

你可以这样问："我是高中生，刚学微积分。请用骑自行车上坡打比方解释什么是导数。先别给公式，先给我直觉，最后给一个最简单的数学例子。"为什么好：给了身份（高中生→别讲太深）、给了比喻要求（上坡）、给了顺序（先直觉后公式）——AI 就知道你要的不是百度百科，而是能听懂的解释。

例子 2：让 AI 帮你 debug Python 报错

不要只发一句"代码报错了"。

你可以这样给：① 把完整的报错红字整段贴进去；② 附上出问题的那一小段代码；③ 说清楚"我本来想干什么、它实际干了什么"。为什么好：AI 看报错就像医生看化验单——你不给化验单只说"我难受"，它只能瞎猜。三样东西给齐，它能直接指出是哪一行、为什么错。

例子 3：让 AI 润色一封工作邮件

别让它"随便写一封"，要给原稿。

你可以这样说："帮我把下面这封邮件改得更专业、更礼貌，但保持原意和我的语气，字数不要变太多：（贴上你的初稿）。"为什么好：给了原稿（有依据）、给了要求（专业+礼貌）、给了边界（保持原意别乱加戏）——出来的东西你微调一下就能直接发。

Prompt 三要素：怎么问才得到好答案

要素	意思	一句话模板
给背景	你是谁、在什么场景、为谁做。	"我是一名初一学生，在给爸妈写一封旅行计划邮件。"
给要求	多长、什么风格、不要什么。	"控制在 200 字以内，语气亲切，不要用书面套话。"
给例子	给一个你想要的样子。	"参考这个风格：（贴一段你喜欢的文字）。"

注意事项

① AI 会犯错，而且会"一本正经地胡说"。它给的事实、数字、法律条文，重要的事一定要自己再核对一遍——尤其是考试答案、医疗、法律、钱的事。
② 不要直接抄代码交差。AI 写的代码可能跑不起来，也可能藏着 bug。让它写完后，追问一句"这段代码每一行在干嘛"，看懂了再用。
③ 别把敏感信息贴进去。公司机密、密码、身份证号、客户隐私，不要直接粘给公开的 AI 工具——你贴出去的内容，就当它会被别人看到。

小练习 · 设计你的 Prompt

1.（改 Prompt）小李只发了一句："给我讲讲什么是光合作用。"结果 AI 回了一篇论文，他根本看不懂。请按"三要素"把这句话改好。

查看答案

参考答案："我是小学生，在准备课堂发言。请用大白话、举一个养花的例子，讲讲什么是光合作用，150 字以内，不要用术语。"解析：给了背景（小学生、课堂发言）、给了要求（大白话、150 字、不要术语）、给了例子方向（养花）。同样一个 AI，提问不同，出来的东西天差地别。

2.（设计题）你想让 AI 帮你把下面这段乱糟糟的周报改清楚，请写出你的提问（不用写周报内容，写提问即可）。

查看答案

参考答案："我在写每周工作汇报，下面这段写得很乱。请帮我：① 分成『本周完成 / 遇到的问题 / 下周计划』三段；② 每段压缩成 3 条要点；③ 语气简洁专业。原稿如下：（贴上你的周报）。"解析：先说用途（周报），再说怎么改（分三段、每条三条、语气），最后给原稿。三要素齐全，AI 改完基本能直接用。

3.（判断题）AI 给你写了一段"能跑"的代码，你直接复制到公司项目里上线了。这件事哪里有风险？

查看答案

答案：风险有三：① 代码可能藏着 AI 自己没发现的 bug，上线后出事；② 你没看懂，以后出问题没人能改；③ 可能用到了不安全的写法（比如泄露数据）。正确做法：让 AI 逐行解释给你听，确认逻辑对、边界处理对，再用。AI 是助手，签字负责的还是你。

记

怎么用卡片

① 提问永远带三样：背景 + 要求 + 例子，别只甩一个词。

② 卡住了先问 AI 拿思路，自己再动手——AI 给方向，你负责落地。

③ 重要结论、代码、数字，一定要自己验证；敏感信息别往外贴。

做

能动手做什么：每个技术栈的真实案例

What You Can Build with Each Stack

学一门技术栈，最有成就感的时刻不是"看懂了"，而是"用它真做出个东西"。下面给每个方向一个你踮脚能够到的练手项目，并附上业界真实的开源项目——去看它的源码、照着它的结构搭一遍，比刷十个小时视频有用。链接优先指向官方仓库，避免踩到过时镜像。

技术栈	你能做出什么	推荐练手项目	去 GitHub 看什么
Java / Spring	会议室预订、博客后台	用 Spring Boot + MyBatis 写"会议室预订 API"，加登录和冲突校验	spring-projects/spring-boot：读 `spring-boot-autoconfigure` 里带 `@ConditionalOnClass` 的类，看懂"有依赖就自动装配"
Python 标准库	批量改名、CSV、日志提取	见下方"进阶指南"的 ERROR 日志小练习（仅标准库）	无第三方依赖，直接读 Python 官方 `os` / `csv` 文档的"示例"一节
Python Web	个人记账 API	FastAPI + PostgreSQL 写"记账 API"（下方旗舰案例），配 Actions + Docker	tiangolo/fastapi：读 `fastapi/dependencies.py` 理解依赖注入怎么复用校验逻辑
Python 爬虫	价格变动提醒、资讯聚合	定时抓某电商价格，跌了发邮件 / 微信提醒	scrapy/scrapy：看"引擎 → 调度器 → 下载器 → 管道"四件套怎么串起来
数据科学	分析自己的账单 / 运动数据	用 pandas 读一年账单 CSV，按月汇总、画趋势	pandas-dev/pandas：读 `groupby` 源码，理解"分组聚合"的引擎
ML / DL	垃圾邮件分类、销量预测	用 scikit-learn 跑通"垃圾邮件分类"，再换 PyTorch 手写一个神经网络	scikit-learn/scikit-learn：读 `Pipeline` 怎么把"清洗→向量化→训练"串成一步
前端	待办 + 日历 PWA	用 React/Vue 做一个离线也能用的"待办 + 日历"	vuejs/core：读响应式原理，理解"数据变了视图怎么自动更新"
Rust	CLI 文件去重工具	写一个按内容哈希去重的命令行工具，对标 `fd` / `ripgrep`	rust-lang/rust + BurntSushi/ripgrep：读它怎么把"所有权"用在高频字符串处理上
Go	高并发短链服务	用 gin 写"短链接服务"，压测 1 万 QPS	gin-gonic/gin + golang/go：看 goroutine 怎么让并发写得很轻
DevOps	把上面的 API 打包上线	用 Docker 打包记账 API + GitHub Actions 自动测试 + Prometheus 监控	kubernetes/kubernetes、prometheus/prometheus、moby/moby（Docker）
数据库 / 中间件	限流、日志管道	用 Redis 做接口限流，用 Kafka 把应用日志汇到一处	alibaba/nacos（注册/配置）、alibaba/Sentinel（限流）

旗舰案例：从 0 到上线的"个人记账 API"

把前面几条线一次性串起来：选型（FastAPI 轻、PostgreSQL 稳）→ 建表（users / bills）→ 写测试（pytest 覆盖增删改查）→ 并发（连接池 + 事务，避免超卖）→ 打包（Dockerfile）→ 自动部署（GitHub Actions 跑测试 + 推镜像）→ 监控（Prometheus 暴露 QPS / 耗时 / 错误率，Grafana 看板）。这一步走完，你就经历过一个功能从代码到生产的全流程——这是面试和真实工作里最值钱的经验。

法

最小可行认知：查文档 · 读源码 · 搜报错

The Minimum Viable Skill: Docs, Source, Errors

课程讲完，你至少要知道关键词是什么、遇到问题去哪找答案。这三项能力，比多背十个 API 更重要——因为它们让你"以后遇到没学过的问题也能自己解决"。

① 查官方文档

每个成熟库都有 /docs。例：FastAPI 官方文档直接给"怎么写 POST""怎么接数据库"的可复制片段；Spring 有详尽的 Reference。原则：先官方文档，再博客；博客只用来"换个角度理解"，不用来"抄答案"。

② 读源码

遇到黑盒，去 GitHub 把依赖 clone 下来，打断点调试。例：不懂 Spring Boot 自动配置，就读 spring-boot-autoconfigure 里带 @ConditionalOnClass 的类，看它怎么"探测到 classpath 有某依赖就自动配某个 Bean"。读源码不是背，是看高手怎么把一个问题拆干净。

③ 搜报错

把报错信息的最后一行原样粘到 Google / GitHub Issues / Stack Overflow，再加上技术栈关键词（如 FastAPI 422）。原则：报错信息是最好的线索，别只看中文翻译，原句搜命中率高得多。

遇到问题时的标准动作（照着走）

① 用一句话复述现象（什么输入、期望什么、实际什么）→ ② 读报错最后一行，定位是"语法 / 运行 / 逻辑"哪类 → ③ 用官方文档关键词搜 → ④ 搜 GitHub Issues 看有没有同病相怜 → ⑤ 写一个最小复现（删掉所有无关代码，只留能触发 bug 的几行）→ ⑥ 还不行，去读相关源码那一段。这套动作走下来，90% 的问题你能自己关掉。

别这么做

① 只搜中文博客抄代码、不验证就跑——很可能抄到三年前的旧 API。② 一报错就甩一句"它报错了"去问人，谁也帮不了你——先给报错原文和最小复现。③ 全程依赖 AI 不给它看文档 / 源码，AI 也会编——AI 给方向，你负责落地和验证。

径

6 个月学习路径建议

Six-Month Roadmap

三个方向不是让你同时学，而是排个队、一步一步来。下面这张表把半年切成四段，每段都告诉你"学什么、用什么检验自己"。别跳阶段，前一段跑通了再进下一段。

第一阶段（第 1–2 月）：Python 入门 + 命令行基础

先把"会写一点点代码"和"会开命令行"这两件事立起来
学什么	Python 四件套（变量 / 条件 / 循环 / 函数）+ 命令行 10 个常用命令。
练什么	写一个批量重命名脚本、一个 CSV 表格生成脚本，各跑通一次。
检验标准	不看教程，能独立写出"对一个文件夹批量改名"的小脚本；能在终端里用 cd/ls 进出文件夹。

第二阶段（第 3–4 月）：Git + 编辑器效率 + 做一个小项目

从"会写一句"到"能交一件完整作品"
学什么	Git 三个动作（commit / push / pull）+ VS Code 常用快捷键。
做什么	挑一个自己的真实小需求做个小工具——比如自动记账、每日提醒、文件整理器，整个过程用 Git 存档。
检验标准	小项目能跑、能改、改坏了能通过 Git 回到上一版；全程不用"最终版2"这种文件命名。

第三阶段（第 5–6 月）：AI 辅助工具 + 自动化实战

把 AI 变成你的日常外挂，把重复活儿全自动化
学什么	Prompt 三要素（背景 / 要求 / 例子）+ 宏和定时任务。
练什么	用 AI 帮你 debug、写文档、润色邮件；把每周重复做的一件事录成宏或写成定时脚本。
检验标准	遇到报错先自己描述清楚再问 AI；每周有至少一件重复工作被自动化掉。

持续阶段：用工具解决自己的实际问题

这门课没有"毕业"，只有"越用越顺手"
核心心法	遇到一件"做了三次以上"的重复事，就停下来想：能不能写个脚本 / 录个宏 / 丢给 AI 干？
不要做的事	不要为了学工具而学工具；不要收藏一堆教程从不打开；不要直接抄 AI 的东西不验证。
最终目标	你不需要当程序员，你要成为"会给自己做工具的人"——这就够了。

记

怎么用卡片

① 每个阶段结束，用"检验标准"对照一下，没达标就别着急进下一阶段。

② 所有学习都围绕"解决自己的一个真问题"，别为学而学。

③ 半年后你不会成为程序员，但你会成为一个省时间、会找工具、会用 AI 的人——这正是这个模块想要的。

进

进阶指南：想真正拉开差距，课程之外做三件事

Beyond the Course: Three Habits That Compound

课程是"地图 + 罗盘"。下面三件事，是把"看过"变成"会做"的关键——它们不复杂，但极少人坚持，所以坚持的人就赢了。

行动	具体做法	为什么有效
做一个"0 到上线"的完整小项目	例：用 FastAPI + PostgreSQL + Docker 写"个人账单记账 API"，配 GitHub Actions 自动测试部署到云服务器，加 Prometheus 监控	强迫经历选型、建表、写测试、处理并发、排查内存泄漏、写 README 全流程
持续贡献 / 阅读开源	找一个常用库（requests、FastAPI、Nacos），先跑通源码调试，再提一个微小 PR（修 typo、补测试、改文档）	学会读别人代码、遵守贡献规范、参与 Code Review——高薪岗位核心硬技能
建立"复盘笔记"习惯	每踩一个坑（数据库死锁、K8s Pod OOM、前端白屏），记录：现象 → 排查步骤 → 根因 → 修复 → 预防措施	知识只有变成可检索的经验库，下次同类问题才能"降维打击"

小练习：验证你是否"学会了"课程里的 Python 基础

任务：写一个脚本，把某文件夹下所有 .log 文件里包含 ERROR 的行提取出来，按时间戳排序后写入 errors_summary.csv（列：文件名、时间戳、错误行）。

限制：只用标准库（os、re、csv、datetime），不超过 30 行代码。

判定：能独立写出来、跑通、并处理异常（编码错误、空文件、时间格式不统一）→ 基础扎实；卡在"怎么遍历文件夹 / 正则怎么写 / CSV 怎么追加写" → 回去把"批量重命名""写 CSV"两个例子再敲两遍，加注释、改参数、观察输出。

参考答案（约 25 行，先自己写再对照）

import os, re, csv
from datetime import datetime

def parse_ts(line):
    m = re.search(r'\d{4}-\d{2}-\d{2}[ T]\d{2}:\d{2}:\d{2}', line)
    return m.group(0) if m else "1970-01-01 00:00:00"

rows = []
for root, _, files in os.walk("logs"):
    for f in files:
        if not f.endswith(".log"): continue
        path = os.path.join(root, f)
        try:
            with open(path, "r", encoding="utf-8") as fh:
                for line in fh:
                    if "ERROR" in line:
                        rows.append((f, parse_ts(line), line.strip()))
        except (UnicodeDecodeError, OSError):
            pass  # 编码错误 / 空文件：跳过，不中断

rows.sort(key=lambda r: r[1])
with open("errors_summary.csv", "w", newline="", encoding="utf-8-sig") as out:
    w = csv.writer(out); w.writerow(["文件名", "时间戳", "错误行"])
    w.writerows(rows)
print(f"已提取 {len(rows)} 条 ERROR")

为什么这样写

解析：os.walk 递归遍历文件夹；re.search 用正则从每行抠出时间戳，抠不到就给默认值（处理"时间格式不统一"）；try/except 吞掉编码错误和空文件，保证脚本不中途崩溃；最后按时间戳排序再写 CSV。这正是"批量重命名""写 CSV"两个例子的组合拳——你卡住，说明那两个例子还没敲熟。

结

一句话总结

课程是"地图 + 罗盘"，走路还得靠你自己迈腿、摔跤、爬起来、记路。把每门课的示例代码全手敲一遍、跑通、改参数、加日志、写 README，再做 1–2 个完整小项目，你的水平会稳稳超过"只看视频不动手"的 90% 入门者——这才是可量化的进步。

源

配套开源产品推荐

Open-Source Tools We Like

学工具不是为了空谈，下面三个本门户自己在用的开源小工具，都是"用 AI 提升学习和工作"的实战件，感兴趣可以去 GitHub 上看看源码、自己跑一个。

MJ-reader

AI 赋能精准学习——把厚书、长文章喂进去，让 AI 帮你抓重点、做笔记、出问答，读得更快记得更牢。

在 GitHub 查看

multi_model_client

AI 陪伴 Agent——一个能聊天、能记事、能切换多个大模型的本地客户端，像身边坐了个随时可问的学习伙伴。

在 GitHub 查看

mj-nexus-os

本地化 Work Agent——跑在自己电脑上的工作智能体，把"打开软件、整理文件、跑脚本"这些零碎活儿交给它。

在 GitHub 查看

持续更新中 —— 移动端（Flutter / iOS）与产品设计已上线，云原生、安全、测试与工程化等专题会陆续补齐。
看到哪门还没开，先记着，过阵子回来敲门就行。

深

知识点深化库 · 20 页

Deep Dive Library

20 个软件技术核心知识点，每个一页讲透：数据结构 → JVM → 数据库 → 网络 → 前端。直觉、代码、例题、18 题练习、记忆口诀，面试前刷一遍。

数组与链表
连续存储 vs 指针串联 栈与队列
LIFO/FIFO 底层与应用 哈希表
哈希函数、冲突解决、负载因子 二叉树与遍历
前中后序、层序、递归改迭代 堆与优先队列
大顶堆小顶堆、堆排序、TopK 图基础与遍历
邻接表/邻接矩阵、BFS/DFS 排序全家族
冒泡/快排/归并/堆排/基数对比 双指针与滑动窗口
对撞/快慢/窗口模板 JVM 内存模型
堆/栈/方法区/程序计数器 垃圾回收
GC Roots、标记清除/复制、G1/ZGC 线程与并发
synchronized/volatile/锁/线程池 类加载机制
双亲委派、加载-连接-初始化 索引与 B+ 树
聚簇/非聚簇、覆盖索引、最左前缀 事务与 ACID
隔离级别、幻读、MVCC SQL 优化
EXPLAIN、慢查询、索引失效 TCP 三次握手
序列号/状态机/四次挥手 HTTP/HTTPS 全貌
请求响应、状态码、TLS 握手 Linux 命令速成
文件/进程/网络/权限/grep awk 闭包与原型链
作用域链、this、原型继承 浏览器渲染机制
从 URL 到像素、重排重绘 线程池原理
七大参数、执行流程、拒绝策略 锁与 synchronized
锁升级、Monitor、ReentrantLock JMM 与 volatile
可见性、有序性、happens-before ConcurrentHashMap
分段锁到 CAS+桶锁演进 线程安全模式
不可变、线程封闭、安全发布 CompletableFuture
异步链式编排、并行调用 分布式事务
2PC、TCC、本地消息表 CAP 与一致性
CP/AP、Raft、BASE 消息队列
解耦异步削峰、消息可靠性 RPC 与注册中心
服务发现、负载均衡 分布式锁
Redis SETNX、看门狗、RedLock 缓存穿透雪崩
穿透/击穿/雪崩三兄弟 React 核心原理
虚拟 DOM、Diff、Hooks、Fiber Vue 响应式
defineProperty 到 Proxy 前端构建工具
Webpack、Vite、Tree Shaking 前端性能优化
LCP/INP/CLS、加载渲染交互 微服务拆分
业务域拆分、避免分布式单体 熔断限流
熔断器三态、令牌桶、降级 API 网关
统一入口、鉴权、路由、限流

技术栈学院

计算机基础与架构专题

① 计算机基础 · 所有语言共用前置

计算机网络

操作系统

数据库三剑客

NoSQL 与搜索

前端基础

软件测试与质量

Linux 系统

中间件全景

② 语言分水岭 · 到各自平台后分化

Java 路线

Spring Cloud 微服务

Spring AI + AgentScope

Python 路线

大模型应用开发

C 路线

C++ 路线

Rust 路线

Rust 后端

Go 路线

TypeScript 路线

前端进阶

Node.js 路线

Node.js 进阶

iOS · Swift

Flutter / Android

③ 架构与设计 · 高阶跨语言汇总

系统设计

数据工程

DevOps / SRE

GraphQL

WebAssembly

产品设计

产品经理

基础设施

Linux 系统

数据库三剑客

中间件全景

Node.js 全栈

系统级语言

C 语言

现代 C++

Rust 语言

前端开发

前端基础

前端进阶

其他课程

Java 企业级开发

Java 基础

JavaEE / Jakarta EE

Spring 核心

Spring Boot

Spring Cloud 微服务

Spring AI + AgentScope

Python 全栈

Python 基础

Python Web 开发

Python 爬虫

Python AI 数据科学

机器学习与深度学习

大模型应用开发

大模型应用开发·实验室

Rust 进阶

Rust 后端

Rust + AI

Rust 项目实战

移动端开发

Flutter / Android

iOS · Swift

技术栈补全 · 深度进阶

数据库进阶

Java 进阶

Spring 进阶

Node.js 进阶

Python Web 进阶

Rust 进阶

前端补全

知识骨架：把技术点串成线