职业规划

当前定位

  • [ √ ] 当前身份：前端开发工程师
  • [ √ ] 主技术栈：Vue 全家桶
  • [ √ ] 后端能力：能够使用 Node.js 独立编写后端接口
  • [ √ ] 数据能力：具备数据库使用与基础表设计能力
  • [ √ ] 部署能力：能够独立完成项目部署上线
  • [ √ ] 项目能力：能够独立完成项目从 0 到 1 的开发与交付
  • [ ] 待补强能力：React / Next.js 体系化实战
  • [ ] 待补强能力：AI 应用工程化与 Agent 落地能力

职业目标

  • [ ] 第一阶段目标：升级为 TypeScript + React / Next.js 全栈工程师
  • [ ] 第二阶段目标：升级为 能够稳定交付 SaaS 与 AI 功能的产品工程师
  • [ ] 第三阶段目标：升级为 AI 应用工程师 / Agent 工程师
  • [ ] 最终目标：成为 能够独立设计、开发、上线并持续优化 AI 产品的工程师

路线原则

  • [ √ ] 不从“重新学习前端”开始，而是从 现有能力升级 开始
  • [ √ ] 不以“会用 API”为目标，而是以 能交付生产可用 AI 产品 为目标
  • [ √ ] 不做零散学习，优先围绕 代表项目 + 可复用能力 推进

第一阶段：React / Next.js 产品工程化升级

React 核心能力

  • [ ] 系统补齐 React 核心理念与渲染机制
  • [ ] 熟练掌握 Hooks、状态提升、组合式组件设计
  • [ ] 理解 React 组件边界、复用策略与目录组织
  • [ ] 理解 React 性能优化常见手段
  • [ ] 能独立用 React 重构一个现有 Vue 模块

Next.js

  • [ ] 熟悉 Next.js 项目结构与工程组织方式
  • [ ] 掌握 App Router
  • [ ] 理解 SSR / SSG / ISR / CSR 的适用场景
  • [ ] 理解服务端组件与客户端组件边界
  • [ ] 掌握 Server Actions、Route Handlers、缓存策略
  • [ ] 做一个完整 Next.js 项目

TypeScript 工程能力

  • [ ] 巩固 TS 基础类型与常用工具类型
  • [ ] 熟练使用泛型、联合类型、交叉类型
  • [ ] 理解类型推导、约束与类型设计思路
  • [ ] 提升前后端共享类型与接口建模能力
  • [ ] 能为复杂业务模块设计稳定类型结构

React 生态

  • [ ] 学习 TanStack Query
  • [ ] 梳理 Zustand / Redux 的适用场景
  • [ ] 学习 React Hook Form 或同类表单方案
  • [ ] 学习常用 UI 方案与设计系统思路
  • [ ] 理解前端权限控制、路由守卫与菜单权限模型

前端工程化

  • [ ] 学习单元测试
  • [ ] 学习组件测试
  • [ ] 学习端到端测试
  • [ ] 学习性能分析与 Web Vitals
  • [ ] 学习前端监控与错误上报
  • [ ] 学习 CI / CD 基础流程

第二阶段：全栈交付能力深化

Node.js 后端

  • [ ] 从“会写接口”升级到“会设计后端应用结构”
  • [ ] 在 Express / Fastify / NestJS 中选一套深入掌握
  • [ ] 掌握 RESTful API 设计规范
  • [ ] 掌握鉴权、权限控制、会话管理
  • [ ] 学习错误处理、日志设计、配置管理
  • [ ] 学习接口文档与接口测试管理

数据库

  • [ ] 深入学习 MySQL / PostgreSQL
  • [ ] 学习表结构设计与字段规范
  • [ ] 学习索引原理与慢 SQL 排查
  • [ ] 学习事务、锁与并发一致性问题
  • [ ] 学习 SQL 优化
  • [ ] 学习 Prisma 或 TypeORM

服务端工程化

  • [ ] 学习 Redis
  • [ ] 学习缓存设计与失效策略
  • [ ] 学习消息队列基础
  • [ ] 学习 Docker
  • [ ] 学习 Linux 常用命令与服务器排障
  • [ ] 学习 Nginx 部署与反向代理
  • [ ] 学习项目上线、回滚、日志排查流程

系统设计与产品交付

  • [ ] 学习常见后台系统设计思路
  • [ ] 学习多环境配置与发布策略
  • [ ] 学习基础监控、告警与可观测性
  • [ ] 学习需求拆解、工期评估与风险识别

第三阶段：AI 应用工程化

Python 与 AI 基础

  • [ ] 学习 Python 基础语法
  • [ ] 学习 Python 常见工程写法
  • [ ] 熟悉虚拟环境与依赖管理
  • [ ] 学习常见 AI 开发库基础使用

LLM 基础

  • [ ] 理解 Token / Context Window
  • [ ] 理解 Prompt 设计基础
  • [ ] 学习面向编程与业务流程的 Prompt 设计
  • [ ] 理解 Temperature / Top P 等采样参数
  • [ ] 理解 Embedding
  • [ ] 理解 Function Calling / Tools
  • [ ] 熟悉主流大模型 API 调用方式
  • [ ] 理解代码生成、补全、重构类模型的能力边界

RAG

  • [ ] 学习文档切片
  • [ ] 学习向量化
  • [ ] 学习向量数据库基础
  • [ ] 学习召回、重排与引用来源展示
  • [ ] 学习知识库权限控制与更新策略
  • [ ] 做一个知识库问答项目

MCP / Tool Use

  • [ ] 理解 MCP 的基本概念与典型使用场景
  • [ ] 学习如何为大模型接入文件、数据库、搜索等外部工具
  • [ ] 学习工具描述、参数设计与权限边界
  • [ ] 学习工具调用失败时的回退与重试机制

Agent / Workflow

  • [ ] 学习多步骤任务拆解
  • [ ] 学习工作流编排思路
  • [ ] 学习状态管理与上下文管理
  • [ ] 学习工具调用链路设计
  • [ ] 学习失败重试、超时中断与人工兜底
  • [ ] 做一个 AI 工作流产品 Demo

AI 工程化

  • [ ] 学习效果评估方法
  • [ ] 学习 Evals、Trace、质量回归验证
  • [ ] 学习幻觉控制
  • [ ] 学习提示注入风险
  • [ ] 学习权限控制与数据隔离
  • [ ] 学习成本控制、缓存与性能优化
  • [ ] 学习 AI 应用的日志、监控与观测能力

第四阶段：AI 编程与 Agent 工程

编程 Agent 能力

  • [ ] 学习代码 Agent 的基本工作模式：规划、读代码、改代码、验证
  • [ ] 学习给 Agent 提供文件系统、终端、搜索等工具能力
  • [ ] 学习让模型基于现有项目上下文完成开发任务
  • [ ] 学习多文件代码修改、回滚与变更控制思路
  • [ ] 学习让 Agent 自动生成、执行并修复测试
  • [ ] 学习在沙箱环境中执行高风险操作

质量与安全

  • [ ] 学习如何评估代码 Agent 输出质量
  • [ ] 学习如何限制高风险命令与文件访问范围
  • [ ] 学习如何处理错误代码修改、脏工作区与冲突变更
  • [ ] 学习如何设计可审计、可回放的 Agent 执行流程

目标产物

  • [ ] 做一个 AI 编程助手
  • [ ] 做一个能够读项目上下文、改代码、跑测试的编程 Agent Demo
  • [ ] 做一个可落地的 Agent 工作流原型

项目待办

项目策略

  • [ √ ] 项目不求多，优先做 3 个有代表性的项目
  • [ √ ] 每个项目都要能形成 演示 + 文档 + 复盘 + 简历表达

代表项目一：React / Next.js SaaS

  • [ ] 做一个带登录鉴权的 SaaS 项目
  • [ ] 包含管理后台、角色权限、支付或订阅能力
  • [ ] 覆盖上传、日志、监控、部署等完整链路

代表项目二：AI 知识库 / RAG 产品

  • [ ] 做一个 AI 知识库问答系统
  • [ ] 包含文档导入、切片、检索、重排、引用展示
  • [ ] 支持基础权限与多数据源接入

代表项目三：AI 编程助手 / Agent

  • [ ] 做一个能辅助编码、改代码、查项目上下文的 AI 编程助手
  • [ ] 支持工具调用、任务拆解、测试验证
  • [ ] 形成一套可展示的 Agent 工作流能力

简历与作品集待办

  • [ ] 整理 React / Next.js 全栈项目经历
  • [ ] 整理 AI 项目经历
  • [ ] 每个项目写清楚：背景、目标、方案、难点、结果
  • [ ] 尽量补充量化结果：性能、效率、成本、交付周期
  • [ ] 输出技术文章
  • [ ] 搭建个人作品集网站
  • [ ] 优化 GitHub 项目展示

核心能力检查清单

  • [ ] 能独立完成前端开发
  • [ ] 能独立完成后端接口开发
  • [ ] 能设计数据库结构
  • [ ] 能完成项目部署上线
  • [ ] 能做基础系统设计
  • [ ] 能拆解需求并制定技术方案
  • [ ] 能把 AI 能力接入实际业务
  • [ ] 能评估 AI 效果而不是只会调 API
  • [ ] 能使用大模型辅助完成代码分析、生成与重构
  • [ ] 能设计可落地的 Agent 开发工作流
  • [ ] 能处理 AI 应用的安全、权限与风险控制
  • [ ] 能清晰表达自己的方案、取舍与结果