0.1 · LEARNING SYSTEM第 1 天
学习操作系统与 AI 实验记录
建立课程仓库、学习日志、问题清单和来源记录。区分“我看过”“我做过”“我验证过”。
验收产物一个含 README、日志与来源栏的学习仓库
STARTING DIAGNOSTIC
先判断起点，再选择节奏。
请诚实勾选你已经能独立完成的事情。结果不用于打分：若少于 3 项，请完整走完地基；若达到 4–5 项，把未勾选内容当作定向补强。不要因“懂概念”跳过“能做出来”的证据。
我的起步能力
勾选后会自动保存在当前浏览器。请只勾选无需教程也能完成的项目。
14-DAY FOUNDATION
七个单元，七份证据。
建议每天 60–90 分钟。没有必要追赶日历；只有当“产物”通过验收，才进入下一格。
0.2 · TERMINAL & GIT第 2–3 天
终端、文件与版本控制
用命令行管理目录，用 Git 留下可回退的变更历史；学会忽略密钥、缓存和大型生成文件。
验收产物三次有意义提交与一份 .gitignore
0.3 · PYTHON & DATA第 4–6 天
Python、数据与 HTTP
把语言基础转成可用工具：读取 CSV/JSON、调用 HTTP 接口、处理异常、写出可复用函数。详细语法进入 Python 地基支线。
验收产物一个读取公开数据并输出摘要的 Python 脚本
0.4 · DEBUG & TEST第 7–8 天
调试、测试与可复现
从报错、日志、最小复现、断言到测试用例，学会定位问题；把环境、依赖和输入写进文档。
验收产物一个带失败用例和修复记录的小工具
0.5 · MATH MINIMUM第 9–11 天
AI 数学最小集
用向量、矩阵、概率、分布、期望与梯度理解模型输入、相似度、损失和优化；追求可计算直觉，不追求背公式。
验收产物一页手算笔记：向量相似度、概率与梯度直觉
0.6 · SAFETY & EVIDENCE第 12 天
证据、隐私与安全边界
建立引用、事实核验、个人数据最小化、API 权限、提示注入与人工确认的基本习惯。
验收产物一份“能否交给 AI”的数据与风险检查单
0.7 · BASELINE BUILD第 13–14 天
基线项目：可验证的小工具
做一个有输入、处理、输出、错误提示和 README 的微型工具。它不必“聪明”，但必须可运行、可解释、可复现。
验收产物一个本地可运行的工具、测试样例与 3 分钟演示
BRIDGE · NEXT TRACK随时回看
进入 130 天 AI 精通主线
从 AI 世界观与机器学习基础开始；遇到 Python、数学或工程阻塞时，返回本页定向补强，而不是用“跳过”掩盖缺口。
下一步开始 Day 1，并建立主线学习档案
完成地基不代表你已经会构建 AI；它代表你已经具备了不靠侥幸也能持续学习的工作方式。以下六项全部做到，再从 Day 1 开始 130 天主线。
- 能独立创建项目、运行命令、阅读并缩小一个错误。
- 能用 Git 保存进度，且不会提交密钥或私人数据。
- 能用 Python 读取结构化数据，并写出有异常处理的函数。
- 能调用一个 HTTP API，解释请求、响应、状态码与环境变量。
- 能区分训练集、测试集、演示样例和真正的评估证据。
- 能为 AI 结果保留来源、失败案例和人工复核步骤。