行动计划 v6（YJango+AI 压缩路线）

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。

核心原则

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）

Sprint 序列（目标：第一个嵌入式 AI 项目）

每个 sprint 产出可运行增量，卡点用 元学习教练指令.md 解决。

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

总时间：6-8 周到第一个嵌入式端到端 AI 项目。

每 Sprint 操作方式

[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

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"。

硬件策略

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。

当前一周（07-30 ~ 08-06）

方向	任务	时间
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

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"

AI 出 3 个文件读写案例 → 建规则 → 写自己版本
AI 出 3 个多文件编译案例 → 建规则 → 改 Makefile
AI 出 3 个 gdb 调试案例 → 建规则 → 调自己的程序

资源

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	应对
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

06-行动计划.md 3.7 KB 文件歷史 原始文件