【置顶】年度计划

AI-摘要
踱鸽 GPT
AI初始化中...
介绍自己 🙈
生成本文简介 👋
推荐相关文章 📖
前往主页 🏠
前往爱发电购买
【置顶】年度计划
踱鸽&水晶蟹技术成长计划
最后更新:2025 年 04 月
✅ 已完成(归档为博客文章)
| 技术点 | 状态 |
|---|---|
| Swagger 网关聚合 | 已整理草稿 |
| MyBatis-Plus + dynamic-datasource 多数据源 | 已整理草稿 |
| ShardingJDBC 分库分表 | 已整理草稿 |
| EasyExcel 百万数据读写 | 已整理草稿 |
| jasypt 配置文件加密 | 已整理草稿 |
| Docker Storage Driver 差异对比 | 已整理草稿 |
| MyCat2 使用与放弃复盘 | 已整理草稿 |
| Arthas 线上排查 | 已整理草稿 |
| K8s 实践操作 / 运维工具指南 | 已整理草稿 |
| Seata 分布式事务 | 已整理草稿 |
| Canal 数据同步 | 已整理草稿 |
| SkyWalking 链路追踪 | 已整理草稿 |
🔄 进行中
AI 工具深度使用
- Cursor / Copilot 工作流实践 — 整理 AI 辅助编码的提效方式,产出一篇方法论文章
- Ollama 本地大模型部署 — 已有草稿,结合实际使用场景完善(已有草稿)
阅读
- 《MySQL 是怎样运行的》— 精读索引、事务、锁三章,整理成笔记
- 《设计数据密集型应用(DDIA)》— 架构师必读,重点章节精读
博客
- _draft 存稿定期发布(当前积累 30+ 篇,目标每月发布 2-3 篇)
🚀 转型路径:全栈工程师 + AI Agent 开发(Python 方向)
核心思路:Java 后端作为工程化底座,向上打通 Vue 3 前端,向外用 Python 主攻 AI Agent 开发,形成”Java 全栈 + Python AI”的差异化技术组合。
阶段零:Python 基础补全(1-2 个月)
前置条件,不跳过。验证标准:能独立写一个读取配置、调用 HTTP API、解析 JSON 并存入文件的 Python 脚本。
- Python 核心语法 — 数据类型、列表推导、函数、类(OOP)、异常处理;用《Python Crash Course》或官方文档系统过一遍
- 工程化基础 —
pyenv管理版本 +venv/uv管理虚拟环境 +pip/requirements.txt;要求每个项目有独立环境 - 异步编程入门 —
asyncio+await/async基础(Agent 框架大量使用异步);能看懂并改写异步代码 - 验证项目 — 用
httpx+python-dotenv写一个调用 OpenAI / DeepSeek API 的命令行问答工具,跑通即通关
阶段一:全栈基础(2-3 个月,与阶段零并行推进)
- TypeScript 系统学习 — 类型系统、泛型、
tsconfig配置;验证:能给一个纯 JS 项目加上完整类型注解 - Vue 3 入门与实践 —
Composition API+Pinia+Vue Router;验证:用博客数据做一个可搜索的文章列表页 - Vite 前端工程化 — 打包配置、环境变量、代理设置;验证:能配置 dev/prod 双环境并打包部署
- 前后端全栈 Demo — Spring Boot 后端 + Vue 3 前端联调;验证:完整跑通登录 + CRUD + 前端展示
阶段二:AI Agent 开发入门(Python)(3-5 个月)
- OpenAI SDK(Python) —
openai库的 Chat / Embedding / Function Calling 接口;验证:实现一个带工具调用的单轮对话 Bot - LangChain 核心模块 —
LCEL(链式表达式)+ChatModel+PromptTemplate+OutputParser;验证:构建一个结构化输出的摘要链 - LangChain RAG 全流程 —
DocumentLoader→TextSplitter→OpenAIEmbeddings→Chroma(向量库)→RetrievalQA;验证:跑通一个基于本地 PDF 的问答 Bot,产出博客文章 - FastAPI 服务封装 — 把 LangChain Agent 包装成 REST API;验证:用
uvicorn启动服务,Swagger UI 可调用,Docker 可打包
阶段三:AI Agent 进阶(Python)(5-12 个月)
- LangGraph 有状态 Agent — 基于图结构的多步骤 Agent 编排,支持循环与条件分支;验证:实现一个”检索 → 判断是否足够 → 再检索或直接回答”的 ReAct Agent
- MCP(Model Context Protocol)Python SDK — 用
mcp库写一个 MCP Server,暴露自定义工具给 Claude / Cursor 调用;验证:在 Cursor 里通过自己的 MCP Server 查询内部数据 - CrewAI 多 Agent 协作 — 定义多角色 Agent(研究员、写手、审查员)完成协作任务;验证:用 CrewAI 实现一个自动生成技术调研报告的多 Agent 系统,产出博客文章
- 向量数据库生产实践 —
pgvector(PostgreSQL 插件,对 MySQL 熟悉者友好)生产级 RAG;验证:把 RAG 服务接入真实业务数据,可对外提供查询接口
📋 其他计划中
技术深度补充
- JVM 调优实战记录 — GC 日志分析、内存泄漏排查流程,结合 Arthas 使用
- 接口幂等性设计完整方案 — 分布式锁、数据库唯一键、状态机三种方案对比
- 自封装流程引擎服务 — 基于状态机设计,复杂业务流程管控(适合拆成系列文章)
🎯 成长方向(十年节点的再定义)
技术影响力
- 博客技术文章定期发布,建立个人技术品牌(已有存稿,重点是执行)
- 选 2-3 篇 AI Agent / 全栈方向的文章,向掘金 / InfoQ 投稿,建立新方向的可见度
- 技术社区互动:参与 LangChain / LangGraph / CrewAI 等 Python AI 相关开源项目
架构与技术判断
- 把工作中的架构决策过程整理成文章(已开始,见「业务思考」分类)
- 学会用图表辅助表达系统设计(Mermaid / PlantUML 集成进博客)
- 形成一套”技术选型 → 落地 → 复盘”的完整写作方法论
技术管理
- 团队协作方法论沉淀:1-on-1、需求对齐、技术评审规范整理成文字
- 每季度至少 1 次内部技术分享,持续锻炼知识传递能力
🗃 暂缓 / 搁置
以下条目评估后暂时搁置(价值较低 或 与当前转型方向不匹配):
- Grafana + Loki + Promtail — 日志监控系统,暂缓搭建,当前阶段无迫切需求
- LangChain4j / Spring AI(Java)— AI Agent 方向已切换至 Python,暂不投入
- webFlux + Netty — Java 旧路线,与全栈+AI方向关联度低
- MyBatis-Flex 评估 — 现有 MyBatis-Plus 已够用,迁移收益不高
- Mockito 单元测试 — 非当前优先级
- 限流算法实现 — 面试向内容,当前阶段价值有限
- zerotier 使用笔记 — 运维工具,通用性低
- JXLS 嵌套循环模板 — 场景过窄
- sftp 阅后即焚 — 场景过窄
- datax 更多配置 — 非当前技术栈重点
- JustAuth — 第三方库,资料充足
- 《凤凰项目》《架构整洁之道》— 搁置,优先实践向输入
- 算法保温(LeetCode)— 暂缓,聚焦转型方向
评论
匿名评论隐私政策
