核心目标只有一个：

在未来 6~8 周内，拿到第一份技术实习。

因此，所有学习内容都要服务于这个目标。

总体时间分配

假设你每天可投入 4~6 小时：

第一阶段（第1~2周）

目标：

把简历上的所有东西变成自己真正会的东西。

每天安排

① 项目复盘（2小时）

按项目逐个突破。

顺序：

第一优先级：

CampusQnA

你必须能够脱稿讲 15 分钟。

至少回答：

项目背景

为什么做？

为什么不用关键词检索？

为什么选择 RAG？

技术选型

为什么：

• FastAPI？
• Vue？
• ChromaDB？
• BGE？

数据流

用户提问后发生什么？

问题
↓
Embedding
↓
向量检索
↓
召回文档
↓
构造Prompt
↓
LLM生成

遇到的问题

至少准备：

3~5 个真实问题。

例如：

• PDF解析失败
• 中文切块效果差
• Prompt幻觉
• Docker部署问题

第二优先级：

TensorRT项目

这是你的王牌项目。

必须搞懂：

模型部署完整链路

PyTorch
↓
ONNX
↓
TensorRT
↓
Engine
↓
Inference

必须掌握：

• ONNX是什么
• TensorRT是什么
• FP16为什么快
• Layer Fusion
• 动态Shape
• Engine文件

第三优先级：

博客项目

重点：

• Flask请求流程
• ORM
• JWT/Session
• Docker部署

② 八股补基础（1.5小时）

建议顺序：

第1周

操作系统：

• 进程与线程
• 协程
• 锁
• 死锁
• 内存管理

推荐：

王道 OS。

第2周

计算机网络：

• TCP/UDP
• 三次握手
• HTTP/HTTPS
• Cookie/Session/JWT

③ 刷题（30分钟）

目标：

保持手感即可。

每天：

1~2 道。

重点：

• 数组
• 哈希
• 链表
• 二叉树

不追求高强度。

④ 投递（30分钟）

每天：

至少：

10~20 个岗位。

关键词：

• AI应用开发
• Python开发
• LLM应用
• 后端开发
• AI工程化

第二阶段（第3~4周）

目标：

准备面试。

每天：

项目模拟面试（1小时）

对着电脑录音。

讲：

自我介绍

3分钟。

项目介绍

10分钟。

反复讲。

直到流畅。

八股（1小时）

重点：

Python

必须掌握：

• GIL
• 多线程
• 多进程
• 协程
• 生成器

数据库

必须掌握：

• 索引
• B+树
• 事务
• MVCC

Linux

重点：

grep
awk
sed
ps
top
netstat
lsof
find

算法（1小时）

重点：

LeetCode 热题 100。

目标：

做到：

80 道左右。

面经整理（30分钟）

建立：

InterviewNotes/

记录：

• 被问到什么
• 哪里不会
• 如何补

第三阶段（第5~8周）

目标：

拿 Offer。

重点变成：

面试驱动学习。

被问到不会的问题：

当天解决。

形成：

不会
↓
整理
↓
复习

循环。

RK3568 学习计划（穿插进行）

每周：

只投入：

3~5 小时。

目标不是深入。

而是：

完成一个可展示项目。

建议：

项目：

RK3568 智能视觉终端

功能：

摄像头采集
+
YOLO检测
+
UI显示
+
截图保存
+
Web端查看结果

如果还能加入：

FastAPI
+
远程访问

会非常亮眼。

每周计划示例

未来三个月目标

必须完成

1

找到第一份实习。

2

吃透：

• RAG项目
• TensorRT项目
• 博客项目

3

完成一个：

RK3568 + AI视觉

项目。

4

形成自己的技术路线：

Python
+
Linux
+
AI应用
+
模型部署

这条路线和你目前的兴趣、能力以及市场需求是比较匹配的。