别收藏第 51 份路线图了

P0学习基建（1–2 周）

这一阶段结束时你能做到：从零建仓库、跑通第一个 Java 程序、让 AI 帮你定位一个真实报错。

为什么现在学：你选的路是"读文档 + 和 AI 对话"。这条路有三个隐藏前提——拿得到一手资料、代码跑得起来、能判断 AI 说的对不对。P0 就是修这三件事。它不是软技能，是硬前置。

学什么

• 终端基础：cd / ls / grep / find / 管道 / 权限 / 环境变量
• 装 JDK 25（当前 LTS），配好 JAVA_HOME，跑通 javac 和 java
• IDE（IntelliJ IDEA 社区版），学会断点调试（90% 新手跳过，后面会痛）
• Git 四件事：提交、看历史、回滚、开分支；注册 GitHub
• 一个 Markdown 笔记库，建"知识地图"页（每学一个概念挂一个节点）
• AI 工具链：1 个通用对话模型 + 1 个能读代码的 agent；学会喂"文件 + 报错 + 期望 + 我试过什么"

🚫 别碰

追求"完美开发环境"超过两天；学 Vim 全套；囤 50 个工具。

✅ 出门考

• 5 分钟内建 GitHub 仓库，命令行提交，并回滚一次错误提交
• 给 AI「文件 + 报错 + 期望」，它定位出 bug，你验证它说对了
• 读完一篇英文官方文档，用中文写 5 行摘要

📚 三个资源

• Missing Semester 中文：https://missing-semester-cn.github.io/
• Git Book 中文：https://git-scm.com/book/zh/v2
• dev.java 官方入门：https://dev.java/learn/

💡 我以为 vs 其实 我以为"环境装不好就先学着"，其实环境是学习的一部分：你调试环境的能力，就是以后调试线上故障的能力。

P1Java 语言核心（8–10 周）

这一阶段结束时你能做到：不查资料写出 200–400 行、能跑、能改的程序。

为什么现在学：语言是唯一的"表达工具"。没有它，后面所有科目你只能"读"，不能"做"。但也别泡在里面——原文有句话很准："基础不牢，地动山摇；可深陷语言泥沼，同样会打击积极性。"

学什么（严格按这个顺序）

1. 程序 = 数据 + 流程：类型、变量、分支、循环、数组、方法
2. 对象 = 数据 + 行为：类、对象、封装、继承、多态、接口、抽象类
3. 核心类库：String（不可变）、StringBuilder、包装类、枚举、record
4. 集合框架（这里第一次和数据结构接轨）：List / Set / Map 的选型与复杂度
5. 泛型（能读懂即可）+ 异常（checked / unchecked / try-with-resources）
6. 文件 IO：Files / Path
7. 工程化：Maven、JUnit 5、日志
8. 函数式（会用就行）：lambda、Stream、Optional

🚫 别碰

JUC、JVM、Spring、反射、设计模式大全。全部后置。

✅ 出门考

• 不查资料写出"读 CSV → 统计 → 排序 → 输出 Top10"，含接口、异常、文件、测试
• 能画图解释 HashMap 的 put 流程、String 为什么不可变、== 和 equals 的区别
• 看到异常栈能自己定位到行和原因

📚 三个资源

• dev.java/learn（主线，官方，章节短）
• 廖雪峰 Java 教程（中文，快速过一遍语法）
• JDK 25 API 文档（当字典查）

💡 我以为 vs 其实 我以为"精通 Java"是背下所有 API，其实是知道在什么场景下该选哪个——这恰好是 AI 能陪你练的。

P2数据结构与算法（第 3 周启动，跑到底）

这一阶段结束时你能做到：Hot 100 的 Easy 全过、Medium 过六成，且能白板手写核心模板。

为什么现在学：原文有两句话值得照抄——"算法和所有内容都解耦，理应从第一天就开始刷""刷题的核心在于集中大量 + 养成习惯"。

但还有一条他没说、对你更重要的：数据结构是后面所有科目的公共语言。

• 数据库索引 = B+ 树
• Redis 的有序集合 = 跳表
• HashMap = 哈希表 + 链表/红黑树
• 操作系统页表 = 多级索引
• 文件系统目录 = 树

不学它，你学 OS 和数据库时只能背结论。

学什么（按模块，不按题号）

怎么刷（三遍法）

• 第一遍：3 分钟没思路就看题解 → 收藏你能看懂的那个 → 写下"这题的关键识别特征"
• 第二遍：第二天重写，只搭框架往里填 → 记下"为什么忘"
• 第三遍：第三天独立 AC
• 集中大量：一天 5–10 题，不要一天 1 题；给某个上午整块时间

🚫 别做：上来刷 Hard；只看题解不动手；拿题量当 KPI。

✅ 出门考

• 白板手写：反转链表、二叉树三序+层序、快排、归并、TopK、二分、DFS/BFS
• 任意一段代码，能说出时间/空间复杂度并解释
• 能用算法语言解释"MySQL 索引为什么用 B+ 树"

📚 三个资源

• Hello 算法（免费、图解、有 Java 代码）https://www.hello-algo.com/
• 灵神题单（成体系，重母题延伸）
• LeetCode Hot 100

💡 我以为 vs 其实 我以为算法是"天赋"，其实是记忆 + 识别特征。看到题能想起"这像哪道母题"，比聪明有用得多。

P3操作系统 → 计算机网络（8 周 + 6 周）

这一阶段结束时你能做到：用 10 分钟讲透"在浏览器输入网址到页面返回"的全过程。

为什么现在学，而且 OS 要在网络前面：原文给的是"计网 → OS"，我反过来了。理由只有一条——你下一个大台阶的"为什么"全在 OS 里：

• JUC（线程池、锁、可见性）← OS 的线程模型与内存模型
• JVM（堆、GC、栈）← OS 的虚拟内存与分配器
• MySQL（缓冲池、页、磁盘 IO）← OS 的页缓存与 IO 模型

而网络的"为什么"主要服务 Spring，晚两三个月学不影响。两者依赖很弱，先学哪个都不会错，关键是别同时学（会互相稀释）。

学什么

操作系统：进程 vs 线程 → 调度 → 同步互斥与死锁 → 虚拟内存/页表/缺页 → 文件系统与页缓存 → IO 模型（阻塞/非阻塞/epoll）

计算机网络：分层与封装 → TCP（握手、挥手、重传、拥塞控制）→ UDP/QUIC → IP/DNS → HTTP/1.1 → 2 → 3 → TLS → Socket → 抓包

怎么读：第一遍只读"为什么"和结论，跳过汇编和源码细节。遇到不懂的，先记住"它在这个环节起什么作用"，等 P6 遇到真实问题再回来下钻。

🚫 别碰

一上来啃 CSAPP 全书；组成原理（放最后，选学）。

✅ 出门考

• 10 分钟讲透「输入 URL → 页面返回」，每层说出关键机制
• 能解释：进程 vs 线程、死锁四条件、虚拟内存解决什么、epoll 比 select 好在哪、TCP 为什么三次握手
• 手写一个 TCP echo server，并用 Wireshark 抓一次包

📚 三个资源

• OSTEP（免费教材，有中文）
• 小林 coding（中文图解）
• Beej 网络编程指南（socket 实战）

💡 我以为 vs 其实 我以为 OS 是"理论课"，其实它是排查线上故障的手册。CPU 100%、内存泄漏、IO 卡顿，答案都在这。

P4数据库（8 周）

这一阶段结束时你能做到：为一个业务设计表结构和索引，并能解释每个索引为什么存在。

为什么在 P3 之后：SQL 语法三天就会，难点全在机制——索引依赖 B+ 树（P2），磁盘 IO 与缓冲池依赖操作系统（P3），事务的锁是 OS 锁的延伸。先 OS 再数据库是降维；反过来只能背口诀。

学什么

1. SQL：DDL/DML、join、group by、子查询、窗口函数
2. 建模：范式与反范式、主外键
3. 索引：B+ 树、聚簇 vs 二级索引、最左前缀、覆盖索引、回表
4. 执行计划：EXPLAIN、慢查询定位
5. 事务：ACID、隔离级别、MVCC、间隙锁
6. 日志：redo / undo / binlog
7. Redis：五种数据结构、缓存穿透/击穿/雪崩、缓存与数据库一致性
8. 为 AI 铺路：PostgreSQL + pgvector（向量检索）

🚫 别碰

分库分表、Redis 集群、复制原理（先了解，别深入）。

✅ 出门考

• 为 6–8 张表的业务设计模型 + 索引，并解释理由
• 慢 SQL 用 EXPLAIN 分析并改写
• 能解释：为什么用 B+ 树不用哈希、MVCC 怎么避免不可重复读、缓存三种一致性方案的取舍

📚 三个资源

• Use The Index, Luke（索引圣经，免费）
• MySQL 官方手册 / PostgreSQL 官方文档
• pgvector README

💡 我以为 vs 其实 我以为数据库是"写 SQL"，其实它是数据结构 + 操作系统的联合应用。会写 SQL 只是入门。

P5软件工程与工程工具（4–6 周，穿插）

这一阶段结束时你能做到：别人能按你的 README 把项目跑起来。

为什么不能单独学：原文说得很实在——"工作和开发的必要前提，不会这些可能会闯大祸……这集要动手实践，多用自然就熟练了。" 看教程十小时，不如在真实项目里踩三次坑。

学什么（全部绑在项目上）

• Git 进阶：分支模型、PR、rebase、冲突、commit 规范
• Linux：权限、进程、日志（grep / awk / tail -f）、ssh
• Docker：Dockerfile、容器、compose
• 测试：JUnit 5 + Mockito、测试金字塔
• 质量：重构手法、Code Review 清单
• 交付：CI（GitHub Actions）、12-Factor

🚫 别碰

Kubernetes 深入、Service Mesh、云原生全家桶。

✅ 出门考

• 项目能 docker compose up 起"服务 + 数据库"
• CI 自动跑测试，改坏代码会红
• 在 Linux 上通过日志定位过一个 500 错误

📚 三个资源

• Git Book 中文
• Docker 官方 get-started
• 12factor.net

💡 我以为 vs 其实 我以为这些是"运维的事"，其实它们是"你的代码能不能长大"的分水岭。项目到三千行，没有测试和 CI 就会崩。

P6Java 企业级后端（12–16 周）

这一阶段结束时你能做到：独立交付一个带认证、分页、事务、缓存、测试、文档的服务。

为什么现在学：这是"能做出被别人使用的系统"的门槛，也是 P7 的载体——你的 RAG 服务本身就是一个 Spring Boot 服务。

学什么（按顺序）

1. Web 基础：HTTP 报文、状态码、Cookie/Session/JWT、REST、JSON
2. Spring 核心：IoC/DI、Bean 生命周期、AOP、自动配置的入口在哪
3. Spring Boot：starter、配置、统一异常、参数校验、拦截器
4. 持久层：JDBC → 连接池 → MyBatis → MyBatis-Plus → @Transactional 失效的五种场景
5. 缓存与异步：Spring Cache + Redis、@Async、定时任务
6. 安全：认证 vs 授权、Spring Security、越权与注入
7. JUC（此时才学）：线程池七参数、锁、volatile、并发容器、虚拟线程
8. JVM（最后）：内存区域、GC、类加载、jstack / Arthas 排查

🚫 别碰

微服务全家桶、Spring Cloud、DDD（都是选学）。

✅ 出门考

• 交付完整服务：JWT 登录 + CRUD + 分页 + 事务 + Redis + 统一异常 + 测试 + Docker + API 文档
• 能解释：事务失效场景、循环依赖、线程池怎么定大小、volatile 保证什么
• 用 Arthas 或 jstack 实际排查过一次 CPU 100%

📚 三个资源

• Spring 官方 Guides（边做边学）
• Spring Boot 参考文档
• Jenkov 并发教程 / Oracle 并发教程

💡 我以为 vs 其实 我以为框架是"背注解"，其实它是把设计模式用到了极致。看懂 IoC 和 AOP，等于看懂了半个 Java 生态。

P7AI 应用开发（12 周 + 长期）

这一阶段结束时你能做到：交付一个能用的 AI 应用，并且有评测数据证明它比基线好。

为什么放最后：AI 应用的七件事——API 调用、并发流式、存储、检索、评测、部署、安全——六件是软件工程。

先建立正确认知（1 周，不可跳）

• LLM 是"下一个词的概率机"：token、上下文窗口、温度、知识截止
• 幻觉是机制性的（概率生成 + 训练数据边界），不是"模型笨"
• 成本与延迟模型：输入 token、输出 token、首 token 延迟
• 什么时候不该用 LLM：规则、检索、SQL 能解决的就别用——这条决定你未来 80% 的架构

四层，按顺序

1. 调用层：OpenAI 兼容协议、流式（SSE）、结构化输出、工具调用；先用 RestClient 手写一遍，再换框架
2. 框架层：Spring AI（与 Boot 同生态，推荐）或 LangChain4j；另一个只读文档了解映射关系
3. RAG（重点）：文档解析 → 切分 → embedding → 向量库 → 检索（混合 + 重排）→ 生成 → 引用溯源；每一环都要有评测集，否则你在盲调
4. Agent 与工作流：工具调用、MCP、记忆、HITL；先 workflow，后 agent
5. 评测与运维：30–100 条用例、RAGAS、trace、成本计量、prompt 注入防护、容器化

🚫 暂不学：微调/LoRA、PyTorch、推理优化、多模态深入。这些是"模型侧"，是另一个职业方向。

✅ 出门考

• 交付"个人知识库问答"：上传、可配置切分、混合检索、引用溯源、流式输出
• 有评测报告：基线 vs 优化后的指标 + 成本/延迟
• 能回答"检索不到时你怎么发现、怎么改"

📚 三个资源

• Anthropic《Building Effective Agents》
• Spring AI 官方参考 + examples 仓库
• RAGAS 文档

💡 我以为 vs 其实 我以为做 AI 应用要懂模型，其实要懂的是检索和评测。90% 的效果差异来自"你喂给模型什么"，不是"你用了哪个模型"。

P8项目与作品集（与 P6/P7 并行）

这一阶段结束时你能做到：脱稿讲 5 分钟架构，并扛住 10 个"如果……怎么办"。

两个项目，不要多

• 项目 1（传统后端）：你自己真的会用的系统（学习追踪 / 文献管理 / 记账），不要外卖、不要商城
• 项目 2（AI 应用）：P7 的知识库问答

好项目的四个维度（原文框架）

一句话标准：做出来系统不是亮点，在此之上的优化才是亮点。