Răsfoiți Sursa

docs: 06 v6——YJango+AI压缩路线,8个Sprint替代5阶段,项目驱动+元学习教练

kekeZack 1 lună în urmă
părinte
comite
f8f2809d32
1 a modificat fișierele cu 58 adăugiri și 84 ștergeri
  1. 58 84
      docs/06-行动计划.md

+ 58 - 84
docs/06-行动计划.md

@@ -1,112 +1,86 @@
-# 行动计划 v5(2026-08 至 2027-08
+# 行动计划 v6(YJango+AI 压缩路线
 
-_嵌入式 Linux + AI 端侧部署融合路线。2026-07-30 更新:定位为「嵌入式 Linux + AI 模型部署 + 自动驾驶感知」三位一体方向。_
+_方向:嵌入式 Linux + AI 端侧部署。学习框架:YJango 元学习 + AI 案例驱动。2026-07-30。_
 
 ---
 
-## 核心定位
+## 核心原则
 
-**嵌入式 Linux(就业主力)> 医学图像分割(升学)> AI 应用/Agent(工具融合)**
+- **对象层驱动**:不是学知识体系,是做一个具体项目,需要什么学什么
+- **每次卡住 = 一次元学习教练会话**:AI 出案例→比较建规则→自己写→验证
+- **不以"学了多少"论进度,以"项目推进到哪"论进度**
+- ZET6 项目已够格,不再投入(2 天收尾)
 
-两篇论文已有成果。核心不是写不出来,是论文水平够不够好期刊。读不了好博就需要就业,所以嵌入式优先。
+## Sprint 序列(目标:第一个嵌入式 AI 项目)
 
-**方向选择:汽车电子(A)+ 端侧 AI(B)合并为「嵌入式 Linux + AI 部署」路线。** 这是市场上极度稀缺的「DL+底层」复合人才定位
+每个 sprint 产出可运行增量,卡点用 `元学习教练指令.md` 解决
 
----
-
-## 全周期路线(13 个月 → 2027-08 秋招)
-
-### 阶段 1:嵌入式 Linux 应用编程(当前 ~ 10 月)
-
-| 主题 | AI 加速学法 | 预计 |
-|------|------------|:----:|
-| 文件 I/O | 3 个最小案例 → 建规则 → 写变体 → AI 验证 | 4 天 |
-| 进程(fork/exec/wait) | 同上 | 5 天 |
-| IPC(管道/FIFO/共享内存/信号) | 同上 | 10 天 |
-| 多线程(pthread) | 同上 | 5 天 |
-| 网络(Socket/TCP/UDP/epoll) | 同上 | 10 天 |
-| 综合项目:C/S 监控服务器 | 自己设计,AI 审 | 6 天 |
-
-**产出**:一个完整的 Linux 应用层项目(多线程网络服务器)
-
-### 阶段 2:AI 模型部署流水线(10 ~ 12 月)
-
-你的独特优势在此发挥——**大部分嵌入式工程师不会这个**。
-
-| 主题 | 说明 |
-|------|------|
-| PyTorch → ONNX 导出 | 用你现有的分割模型做练习 |
-| ONNX → TensorRT 转换 | 台式机 4070Ti 上做 |
-| INT8/FP16 量化 | 精度-速度 trade-off |
-| TensorRT C++ API 推理 | 嵌入式部署的核心技能 |
-| 后处理(NMS/解码) | 目标检测/分割通用 |
-| 性能分析(FPS/延迟/功耗) | 面试必考 |
-
-**产出**:能把自己的分割模型量化部署到嵌入式环境
-
-### 阶段 3:Linux 内核/驱动 + 板子实战(12 ~ 2 月)
-
-| 主题 | 说明 |
-|------|------|
-| 内核模块 | module_init/exit 流程 |
-| 字符设备驱动 | file_operations 各回调 |
-| V4L2 摄像头驱动 | ADAS 核心输入 |
-| 设备树 | 平台设备匹配 |
-| Yocto/Buildroot | 定制根文件系统 |
+| Sprint | 内容 | 产出 | 预计 |
+|:------:|------|------|:----:|
+| **S0** | C 基础:写一个多文件 C 项目,读文件→处理→输出,学编译/调试/构建 | 能编译运行的 C 项目 | 3-5 天 |
+| **S1** | VM 上跑通 Python 推理(已有 DL 基础,最快链路) | 模型加载→推理→结果 | 2 天 |
+| **S2** | C++ 推理(ONNX Runtime / TensorRT),学会编译链/API/内存 | C++ 推理可执行文件 | 3-5 天 |
+| **S3** | USB 摄像头接入(V4L2),学会图像采集+预处理 | 摄像头→推理→显示 | 3-5 天 |
+| **S4** | 多线程流水线(采集/推理/显示分离) | 实时流水线 | 3-5 天 |
+| **S5** | Orange Pi 5 到货,交叉编译+ARM 部署 | 在 ARM 板上跑通完整链路 | 5-7 天 |
+| **S6** | INT8 量化 + 性能优化 | 量化模型 + 性能报告 | 3-5 天 |
+| **S7** | 扩展:CAN 模拟/网络推流/Web 界面(可选) | 差异化功能 | 3-5 天 |
 
-**此时买板子**:Orange Pi 5(RK3588,~400-500 元,有 NPU)
+**总时间:6-8 周到第一个嵌入式端到端 AI 项目。**
 
-### 阶段 4:融合项目(2 ~ 5 月)
+## 每 Sprint 操作方式
 
-把前三个阶段串起来:
+```
+[起点]  项目当前状态(前一个 sprint 的产出)
+[卡住]  遇到不会的 X
+  ↓
+1. 打开 元学习教练指令.md
+2. 确定 对象层 = 当前需要解决的具体问题
+3. AI 出 3 个 X 的案例(正例)+ 2 个近反例
+4. 比较 → 提取共有属性 → 建判别规则
+5. 自己实现 X
+6. AI 验证(给新场景测试)
+  ↓
+[继续]  项目推进,进入下一个卡点
+```
 
-**项目:嵌入式端目标检测推理系统**
-- 摄像头采集 → AI 推理 → 结果显示(嵌入式 Linux 上跑通完整链路)
-- 可选:接入 CAN 总线模拟数据,展示"传感器融合"概念
+**这不是学习计划,是问题解决流程。** 你永远不会"学完",你永远在"做"。
 
-**面试时可讲的故事**:
-"I can deploy deep learning models on embedded Linux systems, optimize inference performance, and understand the full pipeline from training to edge deployment."
-
-### 阶段 5:面试准备(5 ~ 8 月)
+## 硬件策略
 
-C 语言八股、OS 八股、嵌入式 Linux 八股、LeetCode 150 题。
+| 阶段 | 设备 | 成本 |
+|:----:|------|:----:|
+| S0-S4 | Steam Deck VM + 台式机 4070Ti 远程 | 0 元 |
+| S5 | Orange Pi 5(RK3588,有 NPU) | ~400-500 元 |
+| 配件 | USB 摄像头 | ~50 元 |
 
----
+Orange Pi 5 到 S5 再买,不提前。
 
-## 本周(07-30 ~ 08-06)具体任务
+## 当前一周(07-30 ~ 08-06)
 
 | 方向 | 任务 | 时间 |
 |------|------|:----:|
-| ZET6 收尾 | README + 演示视频(2 天搞定,不再投入更多) | 2h×2 |
-| Linux 启动 | VMware Ubuntu 上写第一个 Linux C 程序(文件 I/O) | 3h/d |
+| ZET6 收尾 | README + 演示视频(2 天封存) | 2h×2 |
+| Sprint 0 | VM Ubuntu 上写第一个多文件 C 项目 | 上午/灵活段 |
 | 论文 2 | 晚上 18-19 点写不依赖消融的部分 | 1h/d |
 | 英语 | 照常 1.5h | 1.5h/d |
 
-注意:**不要再做 ZET6 的 UI 或 LVGL**。当前项目已够格展示,2 天收尾后永久归档。
-
----
-
-## 执行规则
-
-1. 每个概念按 YJango 5 步法学:设目标 → AI 给案例 → 比较建规则 → 自己写 → AI 验证
-2. **代码时间 ≥ 70%**。不看视频,不读厚书
-3. 每个阶段结束时必须有一个"可展示项目"
-4. 每周日检查周产出
-5. 遇到瓶颈 → AI 辅助解决 → 解决后继续,不卡死
+Sprint 0 具体:对象层 = "C 程序读一个文件,做简单处理,输出到另一个文件"
+1. AI 出 3 个文件读写案例 → 建规则 → 写自己版本
+2. AI 出 3 个多文件编译案例 → 建规则 → 改 Makefile
+3. AI 出 3 个 gdb 调试案例 → 建规则 → 调自己的程序
 
-## 硬件策略
+## 资源
 
-| 阶段 | 设备 | 成本 |
-|:----:|------|:----:|
-| 1-2 | Steam Deck VM + 台式机 4070Ti | 0 元 |
-| 3 | Orange Pi 5(RK3588,有 NPU) | ~400-500 元 |
-| 传感器 | USB 摄像头 | ~50 元 |
+- **元学习教练指令**:`F:\Documents\Obsidian-Knowledge-Base\X-Knowledge-Base\raw\Joplin\重构学习概念\重构工具\元学习教练指令.md`
+- **AI 工具**:opencode / Claude Code(当前会话即可)
+- **参考**:Ubuntu 已装好在 Steam Deck VMware,台式机 4070Ti 远程可用
 
-## 风险
+## 风险
 
 | 风险 | 应对 |
 |------|------|
-| 论文 2 拖到 9 月 | 晚上 1h 保持节奏,不影响白天嵌入式 |
-| CMPB 被拒 | 改投下个期刊,不停下来等结果 |
-| 英语 12 月不过 425 | 不影响就业,但影响申博 |
-| 板子买早了吃灰 | 阶段 3 之前不买,先学透了再说 |
+| 卡在某个点几天没进展 | 用元学习教练诊断具体卡在哪一层(材料缺?规则没建对?) |
+| 论文 2 拖到 9 月 | 晚上 1h 保持节奏,不影响白天 |
+| CMPB 被拒 | 改投,不停 |
+| 英语 12 月不过 425 | 不影响就业,影响申博 |