我的三年规划、现状与一份 AI 学习指南

新学期开学，整理了一下接下来几年的打算，也盘点了一下手头的技能栈。顺便用 AI 跑了一份 16 周的软件工程学习路线，记录在此。

1. 未来三年规划
   第一年：打底子
   把数据结构、数据库、操作系统和软件工程这些硬核底层吃透。跟着课程走完项目，平时保证每周的代码手感，先把基础工程能力补齐。

第二年：定方向与找实习
重心放在后端开发与人工智能应用（尤其是 LLM 与 Agent 基础设施）。参与完整的团队项目，把测试、CI/CD、云端部署这些流程摸熟，争取在这个阶段拿到一份靠谱的实习。

第三年：产出与决定出路
结合实习和实际项目的反馈，最终敲定考研或直接就业。手上要有 2–3 个拿得出手、具备系统设计考量且落地的完整项目，同时锤炼工程沟通和架构拆解能力。

2. 当前技能树与自我评估
   已掌握技能
   熟练使用 Java 和 Python 编写基础逻辑；熟悉 Git 版本控制、Markdown 文档规范，以及前端基础（HTML/CSS/JavaScript）。

实践现状
纯手写完成了多页面的个人静态展示主页；目前正在折腾鸿蒙（HarmonyOS）原生应用开发，写了一些 Demo。

主要短板
算法刷题缺乏系统性；在严谨的数据库范式设计、自动化测试覆盖、Linux 生产环境运维，以及多人大型协作方面经验还很欠缺。手头项目零碎居多，缺乏端到端闭环的工业级案例。

技术偏好
对高并发与高可用后端工程、大模型训练微调、Agent 底层建设更感兴趣。

3. 代码量与课程期待
   当前代码量： 约 31,415 行（大致估算）。

学期目标： 冲刺 314,159 行。目标虽然夸张了十倍，但重点是逼自己多写工业级工程代码，在这个学期把脑子里构思已久的鸿蒙软件做出来。

课程期待： 这门软工课，我最期待的是学会一套标准、规范的流水线——从需求分析、系统设计，到单元测试、集成测试以及自动化持续交付。不想再写那种一次性的玩具代码，希望能把规范的流程真正用在自己的鸿蒙项目上。

4. AI 生成的软件工程学习指南与实测反馈
   让 Gemini 3.8 Flash 生成了一份面向初学者的 16 周学习路线，以此做个对标参照。

生成的 16 周路线图（折叠阅读）
阶段一：工程基础与环境（第 1–3 周）

第 1 周（Linux 与环境）： Linux 常用命令、文件权限、Shell 脚本基础。实践：在虚拟机或 WSL 搭建环境，写脚本自动创建项目工程骨架。

第 2 周（Git 核心）： 暂存区、分支管理、merge/rebase 原理。实践：本地创建仓库，拉 feature 分支合入 main，手动制造并解决冲突。

第 3 周（协作与规范）： GitHub/GitLab PR 流程、Conventional Commits 规范、Linter/Prettier。实践：配置 Pre-commit Hook 强制校验，提 PR 合并更新。

阶段二：需求工程与架构设计（第 4–6 周）

第 4 周（需求与用例）： 用户故事拆解、用例图、验收标准。实践：选定一个实战题目，写一份至少 8 个核心功能点的 Markdown 需求文档。

第 5 周（系统分层与 API）： 分层架构设计、RESTful 规范。实践：用 OpenAPI/Swagger 格式编写至少 6 个核心接口的协议文档。

第 6 周（数据建模）： ER 图、数据库范式、索引。实践：画 ER 图，写标准的 SQL DDL 建表脚本并完成初始化。

阶段三：核心编码与工程实践（第 7–10 周）

第 7 周（持久层开发）： ORM/SQL 接入、连接池、Database Migration（Flyway/Alembic）。实践：用迁移工具执行版本变更，实现底层 CRUD 封装。

第 8 周（业务逻辑）： 边界划分、参数校验、全局异常拦截、日志系统。实践：实现 JWT 身份鉴权与主要业务链路流转。

第 9 周（API 接入与前后端打通）： CORS 处理、客户端异步请求与状态渲染。实践：打通全链路，实现数据渲染与表单提交闭环。

第 10 周（重构与设计模式）： SOLID 原则、常见模式（工厂/策略/单例）、消除坏味道。实践：审查旧代码，抽离硬编码分支，重构核心逻辑。

阶段四：质量保障与自动化测试（第 11–12 周）

第 11 周（单元测试）： 测试金字塔、AAA 模式、依赖隔离与 Mock。实践：为 Service 层编写单元测试，Mock 数据库交互，争取 60% 行覆盖率。

第 12 周（集成测试）： 端到端测试思路、测试环境搭建、接口自动化断言。实践：用自动化测试工具跑通核心业务链路验证。

阶段五：持续集成与部署交付（第 13–14 周）

第 13 周（容器化）： Dockerfile 多阶段构建、Docker Compose 编排。实践：编写轻量镜像构建文件，一键拉起应用与数据库服务。

第 14 周（CI/CD 流水线）： GitHub Actions 工作流。实践：配置 .github/workflows/ci.yml，在 push 和 PR 时自动跑 Lint、构建和测试。

阶段六：维护、复盘与技术沉淀（第 15–16 周）

第 15 周（性能分析）： QPS/TPS 指标、P99 延迟、慢查询排查。实践：用工具对查询接口做简单压测，抓慢 SQL 并补充索引。

第 16 周（项目复盘）： 架构决策记录（ADR）、系统维护文档。实践：产出规范的 README 和一份项目复盘总结，列出技术债务。

看完以后的个人直觉与合理性分析
AI 给出的骨架挑不出大毛病，完全是按照工业界标准软件生命周期排下来的——从搭环境到写代码，再到测试、容器化和 CI/CD，整体流程严谨且连贯。

但对初学者来说，节奏偏理想化。 最大的问题在于它预设了极高的上手基础，没有给语法和框架学习留任何缓冲时间。像第 11 周的 Mock 测试与依赖隔离，以及第 13 周的 Docker 多阶段构建与编排，真正在本地踩坑时，很容易卡上好几天，单周搞定不太现实。

路线图当个全局目录参考还行，实际去啃的时候，估计不少地方得放慢节奏一步一步填坑。能把其中核心的开发规范和自动化流程吃下来，这学期就算没白忙活。