7.20 一些行动和思考（像是汇报和总结了哈哈哈）

工作角度
开启了多平台大海投阶段，核心准备是康宁的英文简历、推荐信；声网的二面（需要PPT做presentation，还在调研阶段，整理了些内容和语料，白天应该会核心做PPT，有精力的话做一个ASR demo）

个人项目推进

1. epub-reader 在接本地tts工具，体验一般，比edge tts差不少，然后接入还是有别的问题，现在出现提前结束的问题，猜测是tts生成不全的问题。待排查。
2. ASR-add-flow ASR demo，准备将每句话的音标or拼音，语调以及情绪直接想办法一同输出给LLM，保证前置ASR链路完整，AI语音互动更合理，现在卡着，需要下新模型导入，但是还没精力搞
3. AI直播 没调通获取弹幕的能力，也是未来搞
4. 面容关怀系统 未启动，涉及模型训练以及一些数据的东西，还没调研和讨论，先不做
5. 录屏监控视频流摔倒情况报警 没调通，这个也需要新的前端方案，现在的实现不能真的实时监控部分屏幕，但过去的方案实现应该是很成熟的了

本周计划里程碑

1. 周末找好游泳馆，每周多去水里散步-蛙泳还不太流畅
2. 争取声网的offer，争取agent方向；继续微调简历，然后深度了解agent知识
3. epub-reader2.0可以搞定（新tts模型的接入，一些bug微调，然后引入新workflow规范开发）
4. Coursera直接开始上课

新决定、探索

1. Coursera课程推荐&年付购买

Gemini推荐-基础

Algorithms, Part I & II (Princeton University)：完全免费的经典神课，使用 Java。极其严谨，如果想深挖算法内功必看。

Data Structures and Algorithms Specialization (UC San Diego)
* 推荐理由：非常贴近实际工程和面试（支持 C, C++, Java, Python 多语言）。比纯理论的课更侧重教你如何写出高效、无 Bug 的代码。

Software Testing and Automation Specialization (University of Minnesota)
* 推荐理由：系统复习覆盖率分析、黑白盒测试设计、Mocking 以及自动化测试框架搭建。这是你在面对 Agent 黑盒时，设计系统性测试用例的基础。

AI for Everyone (DeepLearning.AI / 吴恩达)
* 推荐理由：几个小时就能刷完，帮你建立 AI 时代的宏观认知。

Machine Learning Specialization (Stanford & DeepLearning.AI / 吴恩达)
* 推荐理由：这是 Coursera 上最传奇的课程。作为 AI 测开，你必须深刻理解什么是过拟合（Overfitting）、泛化能力、召回率（Recall）和精确率（Precision）。这门课是用 Python 教你这些 AI 评测核心指标的最佳途径。

LM 评估与测试体系：

LLM Optimization & Evaluation Specialization (LearningMate)
* 推荐理由：这简直是为你量身定制的课！它专门教授如何使用统计学和自动化框架来评估大语言模型的输出质量，甚至包含了如何编写测试脚本和进行 A/B 测试。

Generative AI for Everyone (DeepLearning.AI)
* 推荐理由：里面包含了大量关于 Prompt Engineering（提示词工程）的内容。测开在测试 Agent 时，往往需要通过构造极端的 Prompt 来诱导 Agent 犯错（比如 Prompt Injection 攻击），这门课能帮你了解如何“反向操作”。

学习建议： 不要等到学完算法才开始学 AI。建议采取 “1门底盘课（算法/测试） + 1门前沿课（AI/Agent）” 双线程并行的策略，这样既不会觉得算法枯燥，又能迅速将 AI 知识与测试思维结合。>

今年最好刷完3门以上

2. 在看antigravity和Gemini付费版；环境不支持，暂时决定不弄了
3. 这两天用着Qwen总是犯病，不知道什么情况
4. 准备一周至少和GPT Voice 英语唠仨小时，省省外教钱