Appearance
第四部分｜48周可执行学习计划（按月与按周细化排期）
学习原则：以下是一个可自适应调整的 48 周系统推进计划。若某阶段工作繁忙每周只能投入 5 小时，就把一周任务平滑拆分为两周执行；核心是保证交付质量，绝对不必机械追赶进度。每个月结束时，必须留下可以公开展现的工程代码或架构产出！
阶段一：核心基石深度（第 1 ~ 4 个月）
🗓️ 第 1 个月 ｜ 语言深度与工程基本功
- 第 1 周：选择主力语言；深度复习内存模型、变量作用域、对象生命周期与异常传播机制。完成“任务 API”核心数据模型建模，编写 10 个单元测试。
- 第 2 周：深入异步并发编程（
async/await）、多线程、多进程与 I/O 多路复用模型；编写脚本模拟并发提交任务，记录延迟分布与异常表现。 - 第 3 周：构建规范的入参校验（Pydantic/Zod）、统一 API 错误响应格式、全链路日志埋点（Loguru/Winston）、模块化代码组织与依赖锁定。
- 第 4 周：为任务 API 服务引入性能剖析（Profiling），定位高频耗时热点，撰写第一份系统《设计取舍说明书》。
🗓️ 第 2 个月 ｜ 计算机网络与操作系统实战
- 第 5 周：手动绘制
DNS → TCP/TLS → Nginx代理 → Web应用 → 数据库全链路拓扑图，使用 Wireshark 抓包或浏览器 DevTools 完整记录协议报文证据。 - 第 6 周：深入实践 HTTP/1.1、HTTP/2 语义，设计带 TTL 的强缓存与协商缓存策略、超时重试与服务端幂等键机制。
- 第 7 周：编写多线程高并发数据竞争实验脚本，精准复现由于脏写引发的逻辑崩溃，观察操作系统互斥锁、数据库连接池及线程上限。
- 第 8 周：完成网络与系统四类典型故障模拟（域名解析失败、端口拒绝、后端 500 崩溃、网关 504 超时），输出故障演练分析报告。
🗓️ 第 3 个月 ｜ 数据库设计与正确性
- 第 9 周：完成 PostgreSQL 核心业务表实体关系设计、外键约束、数据迁移脚本（Alembic/Prisma）；故意构造异常脏数据，验证约束是否 100% 拦截。
- 第 10 周：熟练掌握数据库事务 ACID、并发条件原子更新与唯一约束，亲手完成“多并发抢库存超卖复现与修复实验”。
- 第 11 周：为订单与分析任务表设计高频复合索引，深入解释维护该索引树所带来的物理写入开销与存储成本。
- 第 12 周：使用脚本自动生成灌入 10 万行仿真测试数据，提交深度
EXPLAIN (ANALYZE, BUFFERS)查询优化报告。
🗓️ 第 4 个月 ｜ 数据系统进阶与持久化
- 第 13 周：系统攻克 MVCC（多版本并发控制）、四大隔离级别（RC/RR/Serializable）与行级排他锁，编写复杂并发事务交织实验。
- 第 14 周：深入学习缓存穿透、击穿、雪崩与双写一致性防线，在引入 Redis 前先用数据论证“当前系统是否真的需要缓存”。
- 第 15 周：剖析千万级大表深度分页瓶颈、夜间大批量数据清洗对主库 I/O 和行锁的影响。
- 第 16 周：亲手执行一次数据库全量逻辑与物理备份、并成功恢复到全新机器，整理输出《数据库灾难恢复运维手册》。
阶段二：架构设计与工程化交付（第 5 ~ 7 个月）
🗓️ 第 5 个月 ｜ 软件架构设计与异步解耦
- 第 17 周：为主项目划分清晰的业务领域限界上下文，绘制 C4 架构模型上下文图与内部组件图。
- 第 18 周：落地基于 Redis / Celery 的分布式后台任务队列、Worker 进程池与任务单向状态机，规范重试退避策略。
- 第 19 周：设计全流程幂等键、去重存储机制与长耗时任务断点恢复，模拟 Worker 意外强制退出后的任务补偿。
- 第 20 周：撰写两份正式架构决策记录（ADR），组织并完成一次针对“为什么现阶段坚决采用模块化单体”的技术评审。
🗓️ 第 6 个月 ｜ 云环境部署与 CI/CD 自动化
- 第 21 周：精通 Linux 生产运维核心：进程监控、系统日志分析、磁盘 I/O 排障、网络端口检测与 systemd 守护进程。
- 第 22 周：编写多阶段轻量级 Dockerfile 构建安全镜像，使用 Docker Compose 编排 Web、Worker、DB 与缓存服务。
- 第 23 周：搭建 GitHub Actions 自动化 CI 流水线，在代码提交时自动执行代码静态审查、单元测试与自动化冒烟测试。
- 第 24 周：在一台全新空白 VPS 云服务器上实操演练系统部署、一键回滚与冷备份灾难恢复，精确记录真实 RPO / RTO 数据。
🗓️ 第 7 个月 ｜ 质量工程、安全加固与可观测性
- 第 25 周：设计完整的用户角色权限矩阵（RBAC），编写全量自动化安全用例测试水平越权、垂直越权与身份伪造。
- 第 26 周：在系统中配置结构化 JSON 日志流输出、基础核心指标收集与全局请求分布式追踪 TraceID。
- 第 27 周：建立轻量级系统安全威胁模型，系统排查文件上传、开源依赖漏洞、Token 密钥泄漏、暴力破解与接口限流。
- 第 28 周：模拟生产环境突发宕机故障，演练告警触发、止损降级、故障恢复与事故复盘，产出一份无指责事故复盘报告。
阶段三：AI 工程与全链路性能（第 8 ~ 10 个月）
🗓️ 第 8 个月 ｜ AI 应用工程化落地
- 第 29 周：构建生产级大模型统一包装调用层，实现自动重试、流式响应（SSE）、Token 计量与调用费用实时记账。
- 第 30 周：深入实践 JSON Schema 结构化强约束输出与 Function Calling，在服务端强校验模型建议的调用权限。
- 第 31 周：系统研究 RAG（检索增强生成）与规则方案的成本边界，实现基于轻量级文档切分与检索的原型。
- 第 32 周：为 AI 服务设计调用超时熔断、优雅降级兜底方案，验证在大模型服务整体挂掉时系统的稳定性表现。
🗓️ 第 9 个月 ｜ AI 质量工程与评测体系
- 第 33 周：设计严谨的 AI 评测数据集格式，收集 50 条涵盖正常、边界失误、恶意注入的高质量真实测试样本。
- 第 34 周：建立自动化确定性检查门禁：校验 JSON 结构、必填字段、引用真实来源、敏感内容拦截。
- 第 35 周：引入人工审核抽检机制与错误分类归因体系，对比检验模型讲解是否与客观事实一致。
- 第 36 周：将 AI 评测集成到自动化发布流水线中，形成 Prompt 调优与模型升级时的版本前后质量得分对比门禁。
🗓️ 第 10 个月 ｜ 容量规划与性能工程
- 第 37 周：基于真实目标用户模型建立容量数学估算表，计算峰值流量下的 CPU、内存与 GPU 资源消耗极限。
- 第 38 周：使用压测工具模拟真实混合业务流量模型，压测并记录吞吐量（TPS）、错误率与 P95/P99 响应时间曲线。
- 第 39 周：定位系统全链路中的首要硬件或软件瓶颈，严格控制单变量实施优化，并量化证明优化效果。
- 第 40 周：开展容量过载破坏性测试，验证在流量超出设计极限 5 倍时的限流熔断与排队削峰保护机制。
阶段四：产品商业化与长期闭环运营（第 11 ~ 12 个月）
🗓️ 第 11 个月 ｜ 产品化验证与客户访谈
- 第 41 周：按照《妈妈测试》原则完成至少 10 次非诱导性目标客户深度访谈，挖掘真实过去行为与剧烈痛点。
- 第 42 周：打造最小可行性产品（MVP）交互原型，验证新用户能否在无任何人工指导的情况下独立完成核心任务闭环。
- 第 43 周：推出付费早期公测版，验证真实用户的掏钱意愿、实际交付算力成本与日常客服维护负担。
- 第 44 周：深入分析公测数据：新用户激活率、留存率、付费转化率与退款流失率，做出继续深化、转型调整或果断止损的商业决策。
🗓️ 第 12 个月 ｜ 生产综合上线与可持续运营
- 第 45 周：收敛清理 MVP 功能边界，完成上线前全链路安全与自动化回归测试。
- 第 46 周：系统检查合规隐私条款、数据导出功能、微信/Stripe 支付对账机制、自动化告警与模型防刷限额保护。
- 第 47 周：小范围公开正式上线，监控真实生产用户访问行为与性能指标，快速修复阻断性体验问题。
- 第 48 周：撰写首月完整运营复盘报告：总营收、服务器与 AI 成本、流失率、客服工时占比，规划下一季度迭代主线。
NOTE
预留 4 周弹性缓冲时间：
全年共有 52 周，排期中特别留出了 4 周弹性时间。这 4 周专供你遭遇技术卡点时的深度补课、身体休整、技术栈平滑迁移或应对突发生活琐事，绝对不要在弹性周中继续盲目堆砌新知识！