学习计划-终端与AI复合型工程师成长路线

学习笔记

发布日期: 2026-08-03

更新日期: 2026-08-06

文章字数: 7.2k

阅读时长: 26 分

📌 这是一篇持续更新的长文。它既是我的学习计划书，也是我的进度看板——每完成一个节次、掌握一个知识点，都会回来更新这里的勾选状态和进度数字。

最近更新：2026-08-06（完成 S1 闭包与捕获语义）· 总进度：4 / 270（1%）· 当前主题：主题 01 Swift 基础进阶

为什么要写这份计划

学习最容易失败的两种方式：一种是没有目标，看到什么学什么，三个月后发现哪一块都不成体系；另一种是目标太大，列了一张让人望而生畏的清单，第二周就再也没打开过。

所以这份计划刻意做了三件事：

先定基准线——把「大厂高级工程师 / 技术专家要考什么」拆成八个能力域，明确每一项要到什么深度（了解 / 会用 / 能讲 / 能手写）；
再拆成可执行单元——八大能力域映射成 6 个模块、31 个学习单元，每个单元再拆成 30-45 分钟能完成的「节次」；
最后建立可追踪的进度——270 项知识点全部落成 Checklist，每次学完就打勾，进度自动汇总，避免”学了但不知道学了多少”。

目标层级：阿里 P6–P7 / 字节 2-2～2-3，定位是以 iOS 终端开发为主战场、兼具 AI 工程落地能力的复合型工程师。

一、目标层级画像：先搞清楚”考什么”

层级	能力定位	考察重心
P6 / 2-2（高级工程师）	能独立负责中大型模块的设计与交付	基础扎实 + 执行力强：语言细节问得深（Swift/OC 原理）、算法手写必须过关、对做过的项目能讲清技术选型与踩坑，性能优化至少完整做过启动/卡顿/内存中的一项
P7 / 2-3（技术专家）	能负责一个子系统或技术方向，具备架构设计与技术判断力	体系化 + 深度 + 前瞻性：能从第一性原理解释”为什么”、能设计一套监控/架构/工具链并推动落地、对新技术方向有自己的判断和实践

2026 年的增量要求：终端 + AI 已经是标配考察项，不再是加分项。

P6 要求：会用 AI 工具提效 + 能在 App 中集成 AI 能力；
P7 要求：能设计端侧 AI 架构、理解 LLM/Agent 工程化、有 AI 产品技术落地经验。

二、八大能力域总览

能力域	核心内容	知识点数
一、编程语言深度	Swift 类型系统/并发/所有权、OC Runtime 与消息机制	41
二、计算机基础	数据结构与算法、计算机网络、操作系统、设计模式	64
三、iOS 专业技术	UI 与渲染、并发编程、存储与数据、系统能力集成	31
四、底层原理与性能优化	编译链接、启动/卡顿/内存优化、稳定性建设	26
五、架构设计与工程化	架构模式、组件化、CI/CD、终端系统设计	22
六、AI 基础与大模型原理	数学与 ML、深度学习、Transformer/LLM、微调对齐	33
七、AI 应用工程	LLM 应用开发、RAG、Agent 架构、Harness、端侧 AI	40
八、项目经验与工程素养	项目深度、技术方案能力、AI 协作、技术影响力	13
合计		270

三、学习优先级与推进路线

优先级配比

按面试权重与投入产出比排序，精力配比如下：

优先级	能力域	理由	建议配比
P0	算法与数据结构	笔试硬门槛，短期可突破	15%
P0	Swift/OC 语言深度	面试必考，已有基础需深化到原理层	15%
P0	性能优化 + 底层原理	P6→P7 分水岭，面试深挖重点	20%
P1	AI 基础 + LLM 原理	新增必修，当前薄弱需重点补	20%
P1	Agent/RAG/端侧 AI	差异化竞争力，有项目产出可讲故事	15%
P1	架构设计与工程化	P7 系统设计面，需结合项目积累	10%
P2	计算机网络	八股 + 场景题，集中突击即可	5%
P2	设计模式	融入架构学习中，不单独大量投入	—

三阶段推进顺序（单主题轮换）

第一阶段（夯基础）：Swift 进阶 → AI 应用入门(Prompt/LLM API) → 算法(双指针/滑窗) → Runtime → RAG
第二阶段（建深度）：并发 → Transformer 原理 → 算法(DP) → 启动与性能优化 → Agent 架构
第三阶段（成体系）：编译链接 → 大模型原理/微调 → 架构设计 → 端侧 AI 实战 → 系统设计综合

采用单主题轮换而不是并行推进：同一时间只有一个「进行中」的主题，学完一个主题再开下一个，中间穿插 iOS / 算法 / AI 三条线交替，避免长期只啃一个方向导致的疲劳。

单元划分：6 模块 31 单元

八大能力域按学习顺序重组为 6 个模块，每个模块下若干单元，单元是进度追踪的最小粒度：

模块 A：iOS 核心基础（5 单元）— Swift 语言进阶、内存管理与所有权、并发编程、SwiftUI、UIKit 与渲染
模块 B：iOS 底层与 CS 基础（7 单元）— Runtime、编译链接、启动与性能优化、架构与工程化、操作系统、计算机网络、设计模式
模块 C：基础算法（4 单元）— 数据结构、算法思想、DP 与图论、刷题实战
模块 D：AI 大模型基础（5 单元）— 数学与 ML、深度学习、Transformer、LLM 原理、微调与对齐
模块 E：AI 应用工程（6 单元）— Prompt 与上下文工程、RAG、Agent 架构、主流框架、Harness、端侧 AI
模块 F：AI 前沿（4 单元）— 推理模型、多模态、高效推理与部署、前沿追踪机制

四、当前学习进度

总览

指标	当前值
知识点掌握	4 / 270（`░░░░░░░░░░` 1%）
单元完成	0 / 31
进行中主题	主题 01 Swift 基础进阶（单元 A1）· S1 已完成
累计学习时长	90min
计划启动日	2026-08-03

模块进度表

模块 A：iOS 核心基础（能力一 / 三）

单元	名称	状态	掌握度(1-5)	累计耗时	最后学习
A1	Swift 语言进阶	🔵 进行中	-	90min	2026-08-06
A2	内存管理与所有权	⚪ 未开始	-	-	-
A3	并发编程	⚪ 未开始	-	-	-
A4	SwiftUI 与声明式 UI	⚪ 未开始	-	-	-
A5	UIKit 与图形渲染	⚪ 未开始	-	-	-

模块 B：iOS 底层与 CS 基础（能力一 / 二 / 四 / 五）

单元	名称	状态	掌握度(1-5)	累计耗时	最后学习
B1	Runtime 与消息机制	⚪ 未开始	-	-	-
B2	编译、链接与二进制	⚪ 未开始	-	-	-
B3	启动与性能优化	⚪ 未开始	-	-	-
B4	架构模式与工程化	⚪ 未开始	-	-	-
B5	操作系统与底层原理	⚪ 未开始	-	-	-
B6	计算机网络	⚪ 未开始	-	-	-
B7	设计模式	⚪ 未开始	-	-	-

模块 C：基础算法（能力二）

单元	名称	状态	掌握度(1-5)	累计耗时	最后学习
C1	数据结构	⚪ 未开始	-	-	-
C2	算法思想（双指针/滑窗/二分/回溯/贪心/分治）	⚪ 未开始	-	-	-
C3	动态规划与图论	⚪ 未开始	-	-	-
C4	刷题实战	⚪ 未开始	-	-	-

模块 D：AI 大模型基础（能力六）

单元	名称	状态	掌握度(1-5)	累计耗时	最后学习
D1	数学与 ML 基础	⚪ 未开始	-	-	-
D2	深度学习基础	⚪ 未开始	-	-	-
D3	Transformer 与注意力	⚪ 未开始	-	-	-
D4	大语言模型原理	⚪ 未开始	-	-	-
D5	微调与对齐	⚪ 未开始	-	-	-

模块 E：AI 应用工程（能力七）

单元	名称	状态	掌握度(1-5)	累计耗时	最后学习
E1	Prompt 与上下文工程	⚪ 未开始	-	-	-
E2	RAG 检索增强	⚪ 未开始	-	-	-
E3	Agent 架构	⚪ 未开始	-	-	-
E4	主流框架实战	⚪ 未开始	-	-	-
E5	Harness 与工程落地	⚪ 未开始	-	-	-
E6	端侧 AI（Core ML / 端侧推理）	⚪ 未开始	-	-	-

模块 F：AI 前沿（能力六 / 七）

单元	名称	状态	掌握度(1-5)	累计耗时	最后学习
F1	推理模型与测试时计算	⚪ 未开始	-	-	-
F2	多模态大模型	⚪ 未开始	-	-	-
F3	高效推理与部署	⚪ 未开始	-	-	-
F4	前沿追踪机制	⚪ 未开始	-	-	-

进行中的主题：主题 01 Swift 基础进阶

项目	内容
对应单元	A1 Swift 语言进阶
状态	🔵 进行中
启动日期	2026-08-03
里程碑	掌握闭包捕获 / 协议 / 泛型 / some-any 四大核心，产出一份总结笔记 + 一个协议泛型综合 demo

主题内知识点流（层层延续）：闭包与捕获语义 → 协议与协议导向编程 → 泛型与关联类型 → some/any 与类型擦除 → 综合动手

节次	建议档位	知识点	主要资料	状态
S1	工作日档 30-45min	闭包与捕获语义：捕获列表、逃逸闭包、@autoclosure	SwiftGG 闭包章	✅
S2	工作日档 30-45min	协议与协议导向编程：协议扩展、条件一致性、协议组合	SwiftGG 协议章	⬜
S3	工作日档 30-45min	泛型与关联类型：泛型约束、where 子句、PAT 问题	SwiftGG 泛型章	⬜
S4	工作日档 30-45min	some/any 与类型擦除：不透明类型、存在类型、AnyEraser	SwiftGG 不透明类型章	⬜
S5	大块档 2-3h	综合动手：用协议 + 泛型实现一个类型安全的小型框架	自建 demo + Swift 进阶	⬜

📌 延续性说明：闭包是 Swift 函数式能力的根基 → 协议是 Swift 抽象的核心手段 → 泛型让协议具备类型安全 → some/any 解决”协议作为类型”时的表达力问题 → 最后综合动手把四者串成完整能力闭环。

本主题里程碑产出

一份笔记：「Swift 类型系统与抽象机制」一页总结（闭包捕获 / 协议 / 泛型 / some-any 各一段话 + 一个代码片段）
一个可运行 demo（S5 三选一）：① 类型安全的事件总线 ② 轻量网络请求抽象层 ③ 协议导向的 Repository 模式

资料主线

The Swift Programming Language 中文版（SwiftGG） —— 语言规范级讲解，本主题主资料
Swift 进阶（objc.io Advanced Swift 中文版） —— 进阶补充，讲”为什么这样设计”
Stanford CS193p 2025（B站中字） —— 视频辅助，Swift 语言部分可挑看

调整日志

日期	触发原因	调整动作
2026-08-03	初始化学习计划	建立 8 大能力域 → 6 模块 31 单元的追踪体系
2026-08-03	确认能力图谱，选定起始主题	启动主题 01 Swift 基础进阶（A1），拆为 5 节

复习待办

暂无——每完成一个单元，会自动注入 +7 天 / +30 天两次复习任务。

学习笔记归档

每一篇学习笔记都是进度的交付物与证据——下表的笔记对应上方 Checklist 里已勾选的条目：

笔记	日期	对应节次	覆盖知识点
学习笔记——Swift闭包与捕获语义	2026-08-03	主题 01 · S1	闭包语法与尾随闭包、闭包捕获语义（引用/值捕获 · weak/unowned）、@escaping 与循环引用、@autoclosure 与惰性求值

五、知识点全量 Checklist（270 项）

使用约定：标注「了解」的条目知道思想即可，不必深钻；标注「手写 / 能讲」的条目以能输出为准——能在白板上写出来、能给别人讲明白，才算掌握。已掌握的条目会标记为 [x] 并附上掌握日期。

能力一：编程语言深度（Swift / Objective-C）· 4 / 41

Swift 语言核心

值类型 vs 引用类型：struct/class/enum 的内存差异与选型判断
枚举与关联值、模式匹配（switch / if case / guard case）
协议基础：定义、遵循、协议扩展与默认实现
关联类型与 Self 约束、PAT（带关联类型协议）不能直接作类型的问题
条件一致性：extension where 子句
协议组合（some P1 & P2）与类型擦除（能手写 AnyXxx Eraser）
泛型函数与泛型类型、泛型约束
闭包语法与尾随闭包、从上下文推断类型（2026-08-06）
闭包捕获语义：捕获列表 [weak self]/[unowned]、引用捕获 vs 值捕获（2026-08-06）
逃逸闭包（@escaping）与循环引用、内存影响（2026-08-06）
@autoclosure 与惰性求值（2026-08-06）
ARC 在 Swift 中的行为、循环引用排查
Copy-on-Write 机制（能手写 isKnownUniquelyReferenced 判断）
所有权模型：~Copyable、consuming/borrowing（了解）
属性包装器 @propertyWrapper（能手写一个）
Result Builder（理解 SwiftUI DSL 的实现原理）
KeyPath 与 @dynamicMemberLookup
宏 Macro 基础概念（了解）
async/await 基本用法与执行语义
Actor 隔离与 @MainActor
Sendable 协议与数据竞争检查
结构化并发：TaskGroup / async let / Task 取消与优先级
分布式 Actor（了解）
错误处理：throws/try/catch 与 Result 类型
typed throws（了解）
some 不透明类型 vs any 存在类型：区别、性能差异与选型
Swift 与 C/C++ 互操作（了解）
Swift 编译流程：源码 → AST → SIL → IR（了解）

Objective-C 核心

Runtime 数据结构：isa / class / method / protocol 结构体能画出来
Method、IMP、SEL 的概念与关系
objc_msgSend 消息发送流程（快速查找 → 慢速查找）
消息转发三阶段（能手写一个转发示例）
Category 实现原理、与 Extension 的区别
Associated Object 实现原理（哈希表存储）
Block 三种类型及其迁移（栈 → 堆）
__block 捕获原理、Block 循环引用与解决
KVO 实现原理（isa-swizzling）、手动触发 KVO
KVC 查找流程
Property attribute 语义（atomic/copy/strong/nonatomic）与 setter 生成
Method Swizzling 实践、load vs initialize 时机与风险
OC 与 Swift 混编：桥接头文件、NS_SWIFT_NAME、CF 类型桥接

能力二：计算机基础 · 0 / 64

数据结构与算法

数组与字符串：常用操作与复杂度
链表：反转、环检测（快慢指针）、合并（能手写）
栈与队列：实现与经典应用（单调栈、单调队列）
哈希表：实现原理、冲突解决（拉链法/开放寻址）
二叉树：前中后序遍历（递归+迭代）、BST 性质
AVL / 红黑树：平衡思想（红黑树细节了解）
堆：实现与 Top-K 问题
图的表示（邻接表/矩阵）与 BFS/DFS 模板
Trie 树及应用场景
快排手写（partition 过程、复杂度与最坏情况）
归并排序手写（稳定性、逆序对应用）
堆排序手写
二分查找及变体（左右边界）
复杂度分析：时间/空间/均摊
对撞指针与快慢指针（模板题熟练）
滑动窗口（定长/变长模板）
回溯框架（排列/组合/子集）
贪心思想与经典题
分治与递归式分析
DP 基础：状态定义与转移方程（爬楼梯/打家劫舍/LIS）
背包问题：01 背包与完全背包
区间 DP / 树形 DP（了解 + 经典题）
最短路：Dijkstra 手写、Floyd（了解）
拓扑排序与并查集
综合实战：LeetCode Hot 100 级别 30 分钟 bug-free

计算机网络

OSI 七层 / TCP/IP 四层模型与各层职责
TCP 三次握手：每次握手的作用（能讲清为什么是三次）
TCP 四次挥手与 TIME_WAIT（为什么是 2MSL）
TCP 滑动窗口与流量控制
TCP 拥塞控制：慢启动/拥塞避免/快重传/快恢复
TCP 粘包与解决方案
UDP 特点与适用场景（直播/DNS/QUIC 底层）
HTTP/1.1：keep-alive、管线化问题
HTTPS 握手流程（TLS 1.2/1.3）与证书作用
HTTP/2：多路复用、头部压缩
HTTP/3 与 QUIC：解决队头阻塞、0-RTT
DNS 解析流程、HTTPDNS、DNS 劫持防护
对称/非对称加密、数字签名、证书链
Certificate Pinning 与中间人攻击
弱网优化：超时/重试/降级/预连接策略
长连接与心跳机制设计
URLSession 底层与网络库设计思路
WebSocket 与 SSE（AI 流式输出场景）

操作系统

进程 vs 线程 vs 协程
虚拟内存与分页机制
mmap 原理与应用
malloc 实现（iOS libmalloc zone）
dirty/clean page 与内存占用统计口径
互斥锁/读写锁/自旋锁/信号量：区别与选型
iOS 锁实践：os_unfair_lock / pthread_mutex / dispatch_semaphore
死锁四个必要条件与预防
阻塞/非阻塞 I/O、select/poll/kqueue
iOS QoS 与线程优先级、GCD 队列与线程池的关系
沙盒与文件系统、文件读写性能

设计模式与架构思维

单例（Swift 正确写法与线程安全）
工厂与抽象工厂
Builder 模式
适配器、装饰器、代理（Proxy）
外观（Facade）与组合模式
观察者模式（对应 Delegate/KVO/NotificationCenter）
策略、责任链、命令、迭代器、状态模式
iOS 实践：Delegate vs Block、Target-Action、响应链即责任链
SOLID 原则（能结合 iOS 代码举例）
DRY/KISS/YAGNI、关注点分离、依赖倒置

能力三：iOS 专业技术 · 0 / 31

UI 与渲染

UIView / UIViewController 生命周期
事件响应链与 hitTest 命中测试
手势冲突与解决策略
Auto Layout 约束求解原理与性能优化
CALayer 与隐式动画、显式动画
渲染管线：CPU/GPU 协作与 commit transaction 流程
离屏渲染：触发条件、检测与规避
卡顿成因与检测方法
列表性能：预排版/复用/预加载（AsyncDisplayKit 思想）
SwiftUI 声明式思想与 View 更新机制（diff）
SwiftUI 状态管理：@State/@Binding/@Observable/@Environment
SwiftUI 数据流架构与 NavigationStack
SwiftUI 与 UIKit 混编（UIHostingController/UIHostingConfiguration）
动态化：热更新原理与合规风险、动态布局方案

并发编程

GCD 队列（串行/并发/主）与 dispatch_async/sync 区别
DispatchGroup、dispatch_semaphore、栅栏（barrier）
dispatch_once 原理与线程安全单例
RunLoop 数据结构与运行流程
RunLoop 应用：卡顿检测、任务调度、AutoreleasePool 时机
Operation：依赖、取消、自定义并发 Operation
async/await 底层：协程与 Continuation
Actor 隔离原理、Actor 重入与死锁规避
结构化并发实践：TaskGroup、async let
Task 取消、优先级与优先级反转
TSan 数据竞争检测、Sendable 检查、@MainActor

存储与数据

持久化选型：UserDefaults / 文件 / SQLite / Core Data
SQLite：索引、WAL、线程安全（FMDB/GRDB）
缓存设计：NSCache、LRU 手写、多级缓存（内存-磁盘）
离线优先与冲突解决（了解）

多媒体与设备能力（按业务方向选学）

AVFoundation 播放/录制管线与 AudioSession
Widget / App Intents / Live Activity 集成

能力四：底层原理与性能优化 · 0 / 26

编译、链接与二进制

OC 编译流程：Clang 前端 → LLVM IR → 机器码
Swift 编译流程与 SIL 优化（了解）
Mach-O 结构：Header / Load Commands / Segment / Section
静态库 vs 动态库、符号解析与 bind / lazy bind
dyld 加载流程：load → rebase → bind → ObjC setup → initializers
包大小分析：Link Map、dead code stripping

App 启动优化

冷启动全阶段：dyld → runtime → main() → 首帧渲染
pre-main 优化：减少动态库、合并 Category、+load 治理
二进制重排：SanitizerCoverage 采集 + Page Order
main() 后优化：任务分级、延迟加载、预加载
启动度量：线上监控、分位数统计、劣化防控

卡顿与渲染优化

一帧 16.67ms 的预算分配（CA commit → Render Server）
卡顿检测：RunLoop 超时 / 子线程 ping / CADisplayLink
Instruments：Time Profiler / System Trace / Animation Hitches
优化手段：主线程减负、预计算/预排版、异步渲染

内存优化

iOS 内存模型：虚拟内存、Jetsam 机制、内存水位线
OOM 归因：FOOM / BOOM 区分
Memory Graph 与内存快照对比分析
优化手段：AutoreleasePool、图片降采样/解码、缓存上限、循环引用治理
线上内存监控体系设计

稳定性建设

Crash 收集原理：Mach 异常 / Unix 信号 / NSException（KSCrash 架构）
dSYM 符号化流程（离线/在线）
死锁 / Watchdog / ANR 检测方案
APM 体系：采集 → 聚合 → 归因 → 报警 → 防劣化

电量与包大小

耗电归因与 Energy Organizer
App Thinning / On-Demand Resources

能力五：架构设计与工程化 · 0 / 22

App 架构模式

Apple 式 MVC 的问题与 Massive ViewController
MVVM：ViewModel 职责与数据绑定（Combine/闭包/@Observable）
VIPER 与 Clean Architecture 的映射
TCA：单向数据流、State/Action/Reducer/Effect
架构选型判断：按团队规模与业务复杂度取舍（能讲出理由）

组件化与模块化

组件化方案：CocoaPods 私有库 / Framework / SPM
模块间通信：URL Router / Protocol / Target-Action
依赖管理：依赖方向控制、循环依赖治理、依赖注入
大型 App 工程：多 Target/Scheme、编译加速

工程化与质量

CI/CD：Fastlane / Xcode Cloud 流水线搭建
单元测试：XCTest / Swift Testing、TDD 实践
UI 测试与快照测试
SwiftLint / 静态分析 / Code Review 机制
Git Flow、AB 实验、灰度发布

终端系统设计（P7 面试高频，要求能白板设计）

设计一个图片库（加载/缓存/解码/降采样）
设计一个网络层（请求抽象/拦截器/重试/弱网策略）
设计一个路由框架 / 组件化方案
设计一个 APM / 监控系统
设计一个 AI 对话模块（流式渲染/上下文管理/降级策略）
跨端理解：Flutter（Skia 渲染）架构（了解）
跨端理解：React Native（Bridge/Fabric）架构（了解）
跨端选型判断：Flutter / RN / KMP 适用边界

能力六：AI 基础与大模型原理 · 0 / 33

数学与机器学习基础

线性代数：向量/矩阵运算、点积的几何意义
概率：条件概率、贝叶斯、期望/方差
微积分直觉：梯度、链式法则、损失曲面
监督 / 无监督 / 强化学习的分类与例子
过拟合与正则化（L1/L2/Dropout）
交叉验证与评估指标：Precision / Recall / F1 / AUC
经典模型思想：线性回归 / 逻辑回归 / 决策树（了解）

深度学习

感知机 → 多层网络、激活函数（ReLU/GELU/Sigmoid）
前向传播与损失函数
反向传播（能推导一个简单例子并讲清）
梯度下降：SGD / Adam 与学习率
CNN 原理（卷积/池化）
RNN/LSTM 及其局限
Attention 动机：为什么取代 RNN
Dropout / BatchNorm / LayerNorm
PyTorch 基础：Tensor / autograd，能跑通一段训练代码

Transformer 与大语言模型

Self-Attention：Q/K/V 的含义与计算过程（能手推一个小例子）
为什么除以 √d_k
Multi-Head Attention 的作用
位置编码：正弦编码 → RoPE
GPT Decoder-Only 架构与因果 Mask
自回归生成过程
Tokenizer：BPE 分词算法
预训练目标与 Scaling Law
涌现能力（了解）
推理两阶段：Prefill 与 Decode、KV Cache
采样策略：Temperature / Top-p / Top-k

微调与对齐

SFT：指令数据格式与微调流程
LoRA / QLoRA 原理与适用场景
RLHF 流程：奖励模型 + PPO（理解思想）
DPO 思路（了解）
模型评估：MMLU / HumanEval / GSM8K 与人工评估
模型选型判断：开源 vs 闭源、参数量 vs 推理成本、端侧 vs 云端

能力七：AI 应用工程（Agent / RAG / 端侧 AI）· 0 / 40

LLM 应用开发基础

模型 API 调用：请求结构、流式输出（SSE）
Token 计费与上下文窗口概念
Prompt 基础：角色设定、清晰指令、示例
Few-shot 与 CoT（Chain-of-Thought）
结构化输出：JSON Mode / Function Calling
上下文工程：对话历史压缩、System Prompt 设计
输出可靠性：JSON Schema 校验、重试与兜底

RAG（检索增强生成）

RAG 全链路流程（能画出 pipeline）
文档加载与 Chunk 切片策略
Embedding 原理与模型选型
向量数据库：FAISS / Chroma / Milvus 与索引类型（IVF/HNSW）
相似度计算：余弦 / 点积 / 欧氏
混合检索（向量 + 关键词 BM25）
Query 改写与 Reranker 重排
RAG 评测：RAGAS 框架与 Bad Case 分析
动手：独立搭建一个可运行的最小 RAG demo

Agent 架构

ReAct 范式（Thought → Action → Observation 循环）
Function Calling：工具定义与调用协议
工具调用的错误处理与重试
Planning：任务分解、CoT/ToT、Reflection
Memory：短期（上下文）vs 长期（向量存储/摘要）
多 Agent 协作：角色分配、通信模式与局限
LangChain / LangGraph 核心抽象与实践
AutoGen / CrewAI / OpenAI Agents SDK 对比（了解）
动手：实现一个带工具调用的小型 Agent

Harness 与工程落地

Agent Harness 概念与运行时架构
工具沙箱与权限控制
Eval 评测体系：任务设计、自动评估、回归测试
可观测性：Trace / Log / 指标
Token 成本控制策略
Prompt 注入防护与 Guardrails

端侧 AI（终端开发者独特优势）

Core ML：模型格式（.mlpackage）、加载与推理
ANE / GPU 推理加速
PyTorch → Core ML 转换流程
量化：INT8 / FP16
模型蒸馏（了解）
Apple Foundation Models / Apple Intelligence 集成
端侧 RAG：本地 Embedding + 向量检索
AI 功能端侧架构：流式渲染（打字机效果）、超时/降级/重试
端云协同：端侧小模型 + 云端大模型的路由策略

能力八：项目经验与工程素养 · 0 / 13

项目深度（面试讲故事的弹药库）

完整大型 App 经验：能用 STAR 讲清背景 → 挑战 → 方案 → 落地 → 量化结果
性能优化专项：至少一个有数据支撑的完整案例（启动/卡顿/内存/包大小/稳定性）
AI 落地项目：在 App 中集成 AI 功能的完整经验

技术方案能力

需求分析与技术拆解（从模糊需求到可执行方案）
方案对比与选型：能列 2–3 个方案并讲取舍
技术文档 / RFC 写作与方案评审
风险识别与预案

AI 协作与效率（2026 必备）

AI 辅助编程工具高效使用（Cursor / Copilot 等）
AI 辅助工作流：代码 Review / 测试生成 / 文档生成 / Debug
能识别 AI 生成代码的局限与风险、能 Review AI 产出

技术影响力（P7 要求）

技术分享 / 技术博客
方法论沉淀：把经验变成团队可复用的工具 / 规范 / 流程
开源贡献或内部工具建设

六、进度是怎么被追踪的

计划写完只是开始，真正难的是让进度持续更新。为此这套体系分成四份文档，各管一件事：

文档	职责
核心能力图谱	能力基准线，回答”要学到什么深度”
知识点 Checklist	270 项原子知识点，回答”掌握了多少”
progress.md	单元级进度总账，回答”每个模块推进到哪了”
主题 NN-xxx.md	当前主题的节次拆解，回答”下一步具体学什么”

而这篇博客是它们的统一对外视图——四份文档一更新，这里同步刷新。

为了避免每次手工同步四份文档（这是最容易半途而废的环节），我把整个更新流程沉淀成了一个 Agent Skill：track-learning-progress。它有两种用法。

用法一：笔记驱动（主路径）。每学完一个主题我会写一篇学习笔记，直接把笔记丢给它：

「我写完了这篇学习笔记，帮我更新学习进度」+ 笔记文件

Skill 会读完笔记全文，把笔记的章节结构、代码示例、推导过程当作掌握的证据，逐项对比 Checklist 条目并分三档判定：

档位	判定依据	动作
🟢 已掌握	有独立小节系统讲解 + 有原理解释 / 代码 / 推导 + 小结里有自己的归纳	勾选
🟡 部分覆盖	只在段落里提及、只罗列 API 用法、无原理无示例	不勾选，进「待补清单」
🔴 未涉及	笔记里没出现	不动

而且会根据条目的深度要求加严：标注「能手写」的必须有可运行代码，标注「能讲清」的必须有原理推导，标注「动手」的必须有实际产物——否则最多只能算 🟡。宁可漏勾，不可错勾，因为错勾会让进度变成自我安慰。

用法二：口头汇报。没写笔记时一句话打卡：

「S1 学完了，花了 40 分钟，闭包捕获和逃逸闭包掌握了」
「A1 单元完成，掌握度 4」

两种用法最终都会完成同一套写入：

把 Checklist 里对应条目从 [ ] 改成 [x]（日期），重算各能力域进度与进度条；
更新 progress.md 的单元状态、掌握度、累计耗时、最后学习日期；
更新当前主题文件的节次状态、里程碑勾选与实际产出；
同步刷新本文的进度总览、模块表、节次表、Checklist 勾选、学习笔记归档表与「最近更新」时间；
单元完成时自动注入 +7 天 / +30 天复习待办，并按路线建议下一个主题；
最后做一致性校验：计划文档与博客两侧的条目数、已勾选数必须完全一致。

一篇笔记，六处同步。降低更新成本，是长期计划能活下来的关键。

这篇文章会随着学习推进不断更新，欢迎定期回来看看进度条涨到哪了 🚀

DoubleR

https://doubler12138.github.io/2026/08/03/%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0/%E5%AD%A6%E4%B9%A0%E8%AE%A1%E5%88%92-%E7%BB%88%E7%AB%AF%E4%B8%8EAI%E5%A4%8D%E5%90%88%E5%9E%8B%E5%B7%A5%E7%A8%8B%E5%B8%88%E6%88%90%E9%95%BF%E8%B7%AF%E7%BA%BF/

本博客所有文章除特別声明外，均采用 CC BY 4.0 许可协议。转载请注明来源 DoubleR !

Swift 学习计划 iOS AI 面试准备

上一篇: 学习笔记——Swift闭包与捕获语义下一篇: 没有了