.webp)
.webp)
.webp)
.webp)
.webp)
.webp)
.webp)
.webp)
.webp)
.webp)
.webp)
.webp)
.webp)
.webp)
2064 字
6 分钟
2026-05-09阶段计划
现阶段学习计划与路线（优化版）
二、分模块学习计划
模块1：小满zs博主全栈英语项目专项学习
1.1 前置知识复习（基础夯实阶段）
| 技术点 | 学习目标 | 学习方式 |
|---|---|---|
| Nest.js | 掌握Nest核心设计思想、依赖注入、模块机制、控制器/服务开发、数据库集成 | 官方文档+实战案例+小满讲解视频 |
| Three.js | 理解3D场景基础概念（场景/相机/渲染器）、几何体/材质使用、简单动画实现 | 官方示例+入门教程+小案例实操 |
| LangChain | 熟悉LangChain核心组件（链、代理、记忆）、与大模型的基础交互方式 | 官方文档+基础demo调试 |
1.2 项目核心学习
- 深入拆解全栈英语项目的架构设计、前后端交互逻辑、AI能力融合方式
- 复现项目核心功能，理解“全栈+AI”的落地思路
- 提炼项目中的通用技术方案（如状态管理、接口设计、AI调用优化）
1.3 面试针对性准备
- 梳理项目中核心技术的实现细节（如Nest如何处理异步任务、Three.js性能优化）
- 总结项目中遇到的问题及解决方案（面试高频“项目亮点/难点”问题）
- 提炼技术选型的思考逻辑（如为何选Nest而非Express，LangChain的优势）
模块2：Next.js 体系化学习
2.1 基础阶段
- 学习目标：掌握Next.js核心特性（SSR/SSG/ISR、文件路由、客户端/服务端组件、API路由）
- 学习资源：油管优质Next.js入门课程（优先选择带实战案例的教程）
- 验收标准：能独立完成简单的静态站点+接口服务开发
2.2 进阶阶段
- 学习目标：掌握Next.js进阶用法（中间件、缓存策略、图像优化、国际化、部署流程）
- 学习资源：B站小满Next.js专项课程（聚焦实战场景的进阶知识点）
- 验收标准：能处理复杂路由、性能优化、生产级部署配置
2.3 项目落地阶段
- 学习目标：将Next.js知识落地到实际项目
- 学习资源：编程导航-鱼皮程序员的Next.js实战项目
- 验收标准：独立完成项目从开发到部署的全流程，理解项目架构设计逻辑
模块3：AI大模型应用开发 & AI Agent应用开发
3.1 核心概念区分（认知先行）
| 开发方向 | 核心定义 | 核心目标 |
|---|---|---|
| 大模型应用开发 | 基于大模型实现“问答类”能力 | 让大模型精准、高效回答特定问题 |
| AI Agent开发 | 基于大模型实现“任务执行”能力 | 让大模型自主规划、调用工具完成复杂任务 |
3.2 AI大模型应用开发学习
| 学习维度 | 掌握程度 | 核心学习内容 |
|---|---|---|
| AI基础原理 | 重点掌握 | 大模型基本工作流程、Token机制、主流模型（GPT/文心/通义）的特性与适配方式 |
| 提示词工程 | 重点掌握 | 提示词设计原则、不同场景（问答/总结/创作）的提示词模板、提示词优化技巧 |
| 检索增强生成(RAG) | 重点掌握 | RAG核心流程（文档加载→分割→向量化→存储→检索→生成）、向量数据库基础使用 |
| AI应用开发框架 | 重点掌握 | LangChain核心功能、框架选型思路、与前端/后端的集成方式 |
| 模型微调 | 重点掌握 | 微调基本流程、数据准备、轻量化微调（LoRA）、微调效果评估 |
| AI Agent | 重点掌握 | Agent核心概念、基础执行逻辑、与大模型应用的融合方式 |
| 核心技术对比 | 了解即可 | RAG/微调/提示工程的适用场景对比、端侧模型的优势与落地限制 |
| 周边工具与平台 | 了解即可 | 主流向量数据库（Pinecone/Chroma/Milvus）、模型部署平台（FastAPI/云厂商推理服务） |
| AI应用架构 | 了解即可 | 典型AI应用架构模式（如前端→后端→大模型接口、端侧模型调用架构） |
| Python基础 | 了解即可 | 基本语法、数据结构、第三方库（requests/openai）调用，聚焦“够用即可” |
| 学习资源 | - | 官方教程：https://www.codefather.cn/course/1789189862986850306/section/1912024009574629377 |
3.3 AI Agent 应用开发学习（重点突破）
| 学习维度 | 掌握程度 | 核心学习内容 |
|---|---|---|
| Prompt Engineering | 重点掌握 | Agent专属提示词设计（任务拆解、工具调用指引、错误修正逻辑） |
| Tool/Function Calling | 重点掌握 | 实现Agent调用外部工具（搜索、数据库、第三方API）的能力、参数校验与结果解析 |
| ReAct架构 | 重点掌握 | 推理-行动循环（Reason→Act→Observation）的实现逻辑、循环终止条件设计 |
| LangChain/LangGraph | 重点掌握 | LangChain实现基础Agent、LangGraph处理复杂工作流（分支/循环/多Agent协作） |
| 记忆系统 | 重点掌握 | 短期记忆（对话历史存储）、长期记忆（向量数据库存储用户/任务信息）的设计与实现 |
| RAG增强 | 重点掌握 | 将RAG融入Agent，实现Agent访问外部知识库完成任务 |
| 工具集成 | 重点掌握 | 搜索工具（百度/Google API）、数据库（MySQL/PostgreSQL）、自定义API的集成 |
| 部署与监控 | 重点掌握 | Agent应用性能优化（响应速度/资源占用）、安全控制（权限/调用限流）、LangSmith监控调试 |
| Transformer架构 | 了解即可 | 知晓主流模型（GPT-4/CLAUDE/Qwen）名称，无需深究底层原理 |
| 多Agent架构 | 了解即可 | MetaGPT/AutoGen的核心思想、多Agent协作的适用场景 |
| Agent编排 | 了解即可 | 工作流设计、分支/循环逻辑的基本实现思路 |
| API参数（temperature） | 了解即可 | 知晓参数作用（控制输出多样性）、不同场景的参数调优方向（如精准任务设低temperature） |
| 学习资源 | - | 官方参考：https://www.codefather.cn/post/2029156872593256451 |
模块4：前端基础面试专项复习
4.1 复习范围
- HTML：语义化标签、Meta标签、表单、浏览器渲染原理、兼容性处理
- CSS：盒模型、Flex/Grid布局、定位、响应式设计、CSS3新特性、样式优先级
- JavaScript：原型链、闭包、异步编程（Promise/async-await）、作用域、DOM操作、ES6+新特性
4.2 复习方法
- 第一步：刷面试鸭网站对应模块面试题，快速定位知识盲区
- 第二步：针对盲区知识点，优先查阅MDN官方文档（权威定义+示例）
- 第三步：通过AI工具拆解复杂知识点（如闭包的实际应用场景），辅助理解
- 第四步：整理错题集，标注核心考点和易错点，每日复盘
三、学习进度与验收标准
进度规划（参考）
| 阶段 | 周期 | 核心任务 | 验收方式 |
|---|---|---|---|
| 基础夯实 | 2周 | 完成Nest/Three.js/LangChain前置复习、Next.js基础 | 能独立写基础demo，通过知识点自测 |
| 专项突破 | 4周 | 完成全栈英语项目拆解、Next.js进阶、AI大模型基础 | 复现核心功能，输出技术笔记 |
| AI Agent深化 | 3周 | 完成AI Agent核心知识点学习，做1个小demo | 实现“Agent调用搜索工具完成问答” |
| 面试复盘 | 1周 | 梳理所有知识点，模拟面试答题 | 能流畅回答80%以上核心面试题 |
分享
如果这篇文章对你有帮助，欢迎分享给更多人！
2026-05-09阶段计划
https://www.choria.top/posts/2026-05-09-plan/ 部分信息可能已经过时
相关文章 智能推荐