路线定位
这个板块不再只是“学习记录”，而是面向 AI 大模型工程师 / AIGC 开发工程师求职 的能力地图。
两份路线图可以合并成一个清晰节奏：
- Day 1-90：求职最小闭环，目标是拿出能展示的 AI 项目和 GitHub 作品集。
- Day 91-180：工程化进阶，目标是把项目升级为可上线、可维护、可解释的后端服务和 AI SaaS 雏形。
90 天阶段：先拿到作品集
| 时间 | 主线 | 关键产出 |
|---|---|---|
| Day 1-14 | Python 基础 | Todo 管理器、日志分析、GitHub 提交习惯 |
| Day 15-28 | NumPy / Pandas / Matplotlib | 销售数据分析、财务分析、可视化报告 |
| Day 29-35 | 机器学习基础 | 监督学习、分类回归、训练流程笔记 |
| Day 36-49 | LLM / Prompt / API | Streamlit 聊天机器人 |
| Day 50-56 | AI 简历优化工具 | 简历解析、评分逻辑、优化建议生成 |
| Day 57-70 | RAG 知识库系统 | PDF 问答、FAQ 问答、产品查询 |
| Day 71-84 | Agent 研究助手 | Function Calling、工具调用、工作流设计 |
| Day 85-90 | 求职包装 | README、截图、架构图、演示视频、简历投递 |
180 天阶段：从 Demo 到工程系统
| 时间 | 主线 | 关键产出 |
|---|---|---|
| Day 91-110 | FastAPI 后端服务 | API 服务、路由、接口文档、错误处理 |
| Day 111-125 | Docker 容器化 | Dockerfile、环境变量、部署说明 |
| Day 126-140 | PostgreSQL | 数据建模、持久化、查询优化 |
| Day 141-150 | Redis | 缓存、任务状态、会话或队列 |
| Day 151-165 | 高级 RAG | 多文档、重排、检索评估、权限边界 |
| Day 166-180 | 多 Agent 与面试冲刺 | 多 Agent 协作系统、项目讲解稿、模拟面试 |
三条主线
- 求职主线：每 2 周至少有一个可展示产物。
- 工程主线：每个项目都要有 README、运行方式、截图、测试方式。
- 复盘主线：每天记录“学了什么、做了什么、卡在哪里、明天怎么推进”。
最终作品集目标
到 Day 180，作品集至少包含：
- AI 简历优化工具。
- 企业知识库 RAG 系统。
- Agent 研究助手。
- FastAPI + Docker + PostgreSQL + Redis 的可上线 AI 应用。
- 一份能讲清架构、取舍、问题和改进方向的求职作品集 README。