时间跨度：6.5 周（45 天） 每日投入：工作日 3-4h / 周末 5-6h 节奏：📖 读笔记 → 🧑💻 跑 Notebook → 🎤 口述练习 → 🧪 模拟面试 核心原则：每个知识点必须走完 「理解 → 实现 → 讲解」 闭环
阶段 天数 主题 核心产出
─────────────────────────────────────────────────────────────────
Phase 1 D1-D8 Transformer 架构 + 数学基础 手画架构图，口述 shape 变化
Phase 2 D9-D17 KV Cache + 推理优化 手写 Paged KV Cache，量化实验
Phase 3 D18-D25 Serving 系统 + 框架源码 vLLM 流程讲解，系统设计方法论
Phase 4 D26-D33 分布式 + CUDA + 训练 + 源码 分布式选型分析，源码深读
Phase 5 D34-D40 前沿技术 + RL + 算法编程 PPO/GRPO 实现，LeetCode 刷题
Phase 6 D41-D45 全真模拟 + 终极冲刺 3 场全真模拟，速查表背诵
─────────────────────────────────────────────────────────────────
═══════════════════════════════════════
═══════════════════════════════════════
🎯 目标：能白板画出 Llama3/Mixtral/DeepSeek-V3 完整前向流程，口述每一步 tensor shape
通读 symbols-glossary.md + linear-algebra-basics.md
精读 tensor-shapes.md + transformer-attention-math.md
精读 mqa-vs-gqa.md，手画 MHA→MQA→GQA 对比图
🆕 精读 Transformer 组件专题：FFN/残差连接/归一化/稀疏注意力
notes/architectures/transformer-components.md
口述练习：「请解释 GQA 相比 MHA 的优势」（限时 5min，录音）
✅ 今日检查：能默写 Attention 的 shape 流转 + 能画出 Pre-Norm vs Post-Norm 的区别
Day 2 — Llama3 架构拆解 + 位置编码全景
精读 Llama3 架构笔记：GQA + RoPE + SwiGLU + RMSNorm
notes/architectures/llama3.md
math_dictionary/rope-and-position-encoding.md
🆕 精读位置编码全景：Sinusoidal / RoPE / ALiBi / CoPE 对比
notes/architectures/position-encoding.md
精读 RoPE 扩展：PI、NTK-Aware、YaRN
notes/attention/long-context.md
口述练习：「RoPE 和 ALiBi 的根本区别？为什么 Llama 选 RoPE？」
✅ 今日检查：能手画 Llama3 单层 decoder block 完整流程 + 能对比 RoPE vs ALiBi
Day 3 — Mixtral MoE + DeepSeek-V3 架构
精读 Mixtral MoE 笔记：路由、Top-K、负载均衡
notes/architectures/mixtral-moe.md
math_dictionary/moe-routing-math.md
精读 DeepSeek-V3 笔记：MLA + MoE + 辅助损失
notes/architectures/deepseek-v3.md
口述练习：「对比 Llama3 vs Mixtral vs DeepSeek-V3 三种架构」（5min）
✅ 今日检查：能默写 MoE 路由公式 g(x) = TopK(softmax(W_g · x))
Day 4 — 手写 Attention + RoPE (Notebook 实战)
运行 + 精读 LLM 推理基础 Notebook（MHA/GQA 部分）
notebooks/llm_inference_fundamentals.ipynb
src/attention/mha_gqa.py + src/attention/rope_rmsnorm.py
尝试不看代码重写 GQA forward pass（限时 20min）
✅ 今日检查：Notebook 全部 cell 运行通过，理解每行代码
Day 5 — FlashAttention + 注意力变体
精读 FlashAttention 数学 + 笔记
math_dictionary/flashattention-math.md + notes/attention/flashattention.md
notes/attention/linear-attention.md + math_dictionary/linear-attention-math.md + math_dictionary/gated-attention-math.md
src/attention/flash_attn_sim.py
口述练习：「FlashAttention 为什么快？减少了什么？IO 复杂度是多少？」
✅ 今日检查：能画出 FlashAttention 的 tiling 过程示意图
Day 6 — Tokenizer + 解码策略 + LoRA
math_dictionary/tokenizer-math.md
math_dictionary/probability-and-sampling.md
🆕 精读解码策略全景：Top-K / Top-P / Temperature / Beam Search
notes/inference/decoding-strategies.md
math_dictionary/lora-peft-math.md + notes/training/lora-rlhf.md
运行 LoRA + Continuous Batching 部分
notebooks/llm_inference_fundamentals.ipynb（后半部分）
✅ 今日检查：能解释 Top-K vs Top-P 区别 + LoRA 参数量计算
Day 7 — Attention / Tokenizer / Beam Search 手写强化
逐 cell 运行 Attention + BPE Tokenizer + Beam Search Notebook
notebooks/attention_tokenizer_beamsearch.ipynb
限时练习：不看代码手写 Scaled Dot-Product Attention（15min 限时）
限时练习：不看代码手写 BPE merge 逻辑（15min 限时）
✅ 今日检查：3 个手写练习均能在限时内完成
Day 8 — Phase 1 复盘 + 预训练 + Scaling Law + 阶段自测
math_dictionary/optimization-and-scaling.md + notes/training/scaling-law.md
🆕 精读预训练专题：CLM/MLM/数据筛选/配比/合成数据
notes/training/pretraining-data.md
notes/training/alignment-pipeline.md
Phase 1 阶段自测（3 道综合题，限时 45min）
自测题：
画出 Llama3-70B 完整前向流程，标注每层 tensor shape（15min）
GQA 的 KV head 数量如何影响显存和质量？给出公式（10min）
对比 FlashAttention vs 标准 Attention 的 IO 复杂度（10min）
═══════════════════════════════════════
Phase 2: KV Cache + 推理优化 (D9-D17)
═══════════════════════════════════════
🎯 目标：成为 KV Cache 专家，能设计完整的缓存管理系统
Day 9 — KV Cache 基础 + PagedAttention
math_dictionary/kv-memory.md + notes/kv-cache/concepts.md
精读 PagedAttention 数学 + 笔记
math_dictionary/pagedattention-math.md + notes/kv-cache/paged-attention.md
notes/kv-cache/interview-qa.md
口述练习：「PagedAttention 解决了什么问题？核心设计是什么？」
✅ 今日检查：能画出 PagedAttention 的物理块 → 逻辑块映射图
Day 10 — KV Cache 驱逐策略
math_dictionary/kv-eviction-math.md + notes/kv-eviction/policies.md
notes/kv-eviction/interview-qa.md
精读源码：LRU / LFU / Fair 驱逐策略实现
src/kv_cache/eviction/policies.py + src/kv_cache/core.py
口述练习：「对比 LRU vs LFU vs H2O 三种驱逐策略的优劣」
✅ 今日检查：能手写 LRU 驱逐的核心逻辑（数据结构 + evict 方法）
Day 11 — KV Cache Workshop Notebook (上半)
逐 cell 运行 KV Cache Workshop 前半部分
notebooks/kv_cache_paged_lru_workshop.ipynb
✅ 今日检查：能解释 Adaptive 策略在什么条件下从 LRU 切换到 LFU
Day 12 — KV Cache Workshop (下半) + 多租户公平驱逐
运行 KV Cache Workshop 下半部分
notebooks/kv_cache_paged_lru_workshop.ipynb
— Jain's Fairness Index 计算
mock_interview/by-topic/kv-cache-q002-eviction-design.md
mock_interview/by-topic/kv-cache-q002-eviction-deep-dive.md
✅ 今日检查：能画出多租户场景下的 quota-aware 驱逐流程图
math_dictionary/kv-compression-math.md + notes/kv-compression/quantization.md
notes/kv-compression/sparsity.md
notes/kv-compression/interview-qa.md
notebooks/quantization_precision_experiment.ipynb
口述练习：「对比 GPTQ vs AWQ vs SmoothQuant 的原理和适用场景」
✅ 今日检查：能解释 per-channel vs per-tensor 量化的误差差异
math_dictionary/speculative-decoding-math.md + notes/inference/speculative-decoding.md
逐 cell 运行投机解码模拟器 Notebook
notebooks/speculative_decoding_simulator.ipynb
口述练习：「投机解码的接受-拒绝采样如何保证无损？」
✅ 今日检查：能推导 speculative decoding 的 acceptance probability 公式
Day 15 — Prefill/Decode 优化 + Continuous Batching
math_dictionary/prefill-decode-performance.md + math_dictionary/attention-complexity.md
notes/llm-system/throughput-latency.md
notes/llm-system/serving.md + notes/llm-system/interview-qa.md
notes/inference/pd-disaggregation.md
src/simulators/scheduler.py
✅ 今日检查：能分析 prefill-bound vs decode-bound 的场景差异
Day 16 — KV Cache 面试模拟 (2 道)
面试模拟 #1：KV Cache 压缩量化题（限时 45min）
mock_interview/by-topic/kv-cache-q003-compression.md
mock_interview/by-topic/kv-cache-q003-compression-quantization.md
面试模拟 #2：KV Cache 系统设计题（限时 45min）
mock_interview/by-topic/kv-cache-q004-system-design.md
mock_interview/by-topic/kv-cache-q004-prefill-decode-pagedattention.md
✅ 今日检查：两道题均达 7/10 分以上
Day 17 — Phase 2 复盘 + RAG/Prefix Cache
逐 cell 运行 RAG + Prefix Caching 模拟器
notebooks/rag_prefix_caching_simulator.ipynb
自测题：
手写 Paged KV Cache 的 allocate/free 逻辑（10min）
画出 KV Cache 全生命周期：分配 → 使用 → 压缩 → 驱逐 → 回收（10min）
═══════════════════════════════════════
Phase 3: Serving 系统 + 框架源码 (D18-D25)
═══════════════════════════════════════
🎯 目标：理解 vLLM/SGLang 核心设计，能做系统设计题
Day 18 — vLLM 架构总览
精读 vLLM 架构笔记（Engine → Worker → Scheduler → BlockManager）
notes/frameworks/vllm-architecture.md
notes/frameworks/trt-llm-sglang.md
口述练习：「vLLM 的调度器是怎么工作的？从请求到响应的完整流程」
✅ 今日检查：能画出 vLLM 的 Engine → Scheduler → Worker → ModelRunner 调用链
Day 19 — vLLM 核心流程 Notebook
逐 cell 运行 vLLM Architecture Walkthrough
notebooks/vllm_architecture_walkthrough.ipynb
对照笔记，补充理解 preempt/swap 机制
notes/frameworks/vllm-architecture.md
口述练习：「vLLM 如何处理显存不足时的 preempt？」
✅ 今日检查：能解释 vLLM 的 swap/recompute 两种 preempt 策略的 trade-off
Day 20 — Serving 指标 + 排队论
math_dictionary/serving-metrics.md
math_dictionary/queueing-and-slo.md
notes/serving/capacity-planning.md
notes/serving/cost-optimization.md
精读心算速查表（计时训练：30 秒内算出 7B/70B 显存）
math_dictionary/mental-math-cheatsheet.md
✅ 今日检查：能在 30 秒内心算 70B 模型 FP16 的显存占用（140GB）和 128K KV 占用
Day 21 — 系统设计方法论 + 模式
notes/system-design/methodology.md
notes/system-design/patterns.md
口述练习：用 5 步法分析一个系统设计题（需求→架构→深入→权衡→监控）
✅ 今日检查：能默写系统设计的 5 步方法论框架
Day 22 — Serving 系统设计面试模拟 (2 道)
mock_interview/by-topic/serving-q001-system-design.md
面试模拟 #2：支持 100K+ context 的在线推理
mock_interview/by-topic/serving-q002-long-context.md
精读 100 QPS LLM Serving 系统设计 mock 脚本
mock_interview/by-topic/system-design-100qps-llm-serving.md
✅ 今日检查：两道题的系统架构图画得完整且有层次
Day 23 — 更多系统设计 + RAG/多租户
mock_interview/by-topic/serving-q003-multi-tenant.md
mock_interview/by-topic/rag-q001-serving.md
mock_interview/by-topic/cost-q001-optimization.md
✅ 今日检查：能在 45min 内完成一道完整系统设计题且评分 ≥ 7/10
Day 24 — KV Cache 系统设计面试模拟
mock_interview/by-topic/kv-cache-q001-system-design.md
notes/frontier/slime-vs-verl.md
口述练习：「为什么 Slime 选 SGLang 而不是 vLLM？」
✅ 今日检查：能清晰解释 RadixAttention 在 RL 场景下 prefix cache 效率更高的原因
Day 25 — Phase 3 复盘 + 评估指标
math_dictionary/evaluation-metrics.md
记录分数到 benchmarks，制定薄弱点攻克计划
自测题：
描述 vLLM 从请求到响应的完整流程（10min）
设计一个支持 100 并发的 LLM Serving 系统——画架构图 + 列 trade-off（20min）
心算：70B 模型需要多少张 A100 80GB？（2min）
═══════════════════════════════════════
Phase 4: 分布式 + CUDA + 训练 + 源码 (D26-D33)
═══════════════════════════════════════
🎯 目标：理解多卡推理通信瓶颈，掌握 CUDA 基础认知，深入源码
Day 26 — 分布式推理：TP / PP / EP
math_dictionary/distributed-serving-math.md
notes/distributed/tp-pp-tradeoff.md
notes/distributed/moe-ep.md
口述练习：「如何为 70B 模型选择并行策略？TP vs PP 的 trade-off？」
✅ 今日检查：能推导 TP 的通信量公式并解释什么时候通信成为瓶颈
Day 27 — 分布式推理 Notebook + MoE 深度
逐 cell 运行分布式推理 Roofline Notebook
notebooks/distributed_inference_roofline.ipynb
notes/distributed/moe-inference-deep.md
口述练习：「Roofline 模型怎么分析 Prefill vs Decode？」
✅ 今日检查：能画 Roofline 图并标出 prefill 和 decode 的位置
Day 28 — CUDA 基础 + 内存层次
notes/cuda/memory-hierarchy.md
口述练习：「GPU 内存层次是什么？FlashAttention 为什么用 tiling？」
✅ 今日检查：能画出 HBM → L2 → SRAM 的层次图并标注延迟和带宽
Day 29 — 源码深读 Level 1：架构概览
notes/source-reading/slime-sglang-verl-deep-dive.md
精读 Slime vs verl 对比笔记（含 SGLang vs vLLM 详解）
notes/frontier/slime-vs-verl.md
手写 RL Training Loop 伪代码（对标 nano-L1）
列出 SGLang RadixAttention 的 4 个核心操作
✅ 今日检查：能画出 Slime 三大模块交互图 + verl HybridFlow 时序图
Day 30 — 源码深读 Level 2：核心模块
深度理解 RadixAttention 内部结构（TreeNode, match_prefix, insert, evict）
notes/source-reading/slime-sglang-verl-deep-dive.md（L2 部分）
深度理解 verl Rollout Worker + PPO Trainer 源码结构
模拟实现简化版 RadixTree（对标 nano-L2a）
✅ 今日检查：能手写 RadixTree 的 match_prefix + insert 两个核心方法
Day 31 — 源码深读 Level 3：分布式与异步
深度理解 Slime 异步 RL 数据流 + staleness 问题
notes/source-reading/slime-sglang-verl-deep-dive.md（L3 部分）
深度理解 verl HybridFlow 模型 reshard 机制
做显存估算练习（7B, G=16, batch=100）
口述练习：「同步 vs 异步 RL 训练的 trade-off 是什么？」
✅ 今日检查：能计算有/无 RadixAttention 时 KV Cache 显存差异（~47% 节省）
Day 32 — Nano 项目路线图 + 训练
notes/nano-projects/roadmap.md
math_dictionary/rlhf-alignment-math.md
notes/training/alignment-pipeline.md
✅ 今日检查：能用 Level 1→2→3 递进法展示一个技术点
Day 33 — Phase 4 复盘 + 阶段自测
针对薄弱点查漏补缺（重读对应笔记/Notebook）
自测题：
分析 TP/PP/EP 的通信代价并做选择——给定 8×H100，部署 70B MoE（15min）
画出 Slime 异步 RL 的完整数据流图（10min）
用 Radix Tree 演示同一 prompt 生成 G=16 个 response 的 cache 复用过程（10min）
═══════════════════════════════════════
Phase 5: 前沿技术 + RL + 算法编程 (D34-D40)
═══════════════════════════════════════
🎯 目标：覆盖前沿热点，PPO/GRPO 实现，LeetCode 高频题
Day 34 — 前沿：Reasoning Models + Test-Time Compute
精读 Reasoning Models 笔记（o1/DeepSeek-R1, Thinking Tokens）
notes/frontier/reasoning-models.md
精读 Test-Time Compute Scaling
notes/frontier/test-time-compute.md
逐 cell 运行 Reasoning Models Workshop
notebooks/reasoning_models_workshop.ipynb
口述练习：「DeepSeek-R1 的 GRPO 是怎么工作的？和 PPO 有什么区别？」
✅ 今日检查：能解释 GRPO 不需要 Critic 的原因及 group-relative advantage 的计算
Day 35 — 前沿：DeepSeek + Qwen + Kimi + 发展脉络
notes/frontier/deepseek-v3-r1.md
notes/frontier/qwen-series.md
notes/frontier/kimi-moonshot.md
notes/frontier/glm-zhipu.md
notes/frontier/minimax-01.md
🆕 精读主流大模型发展脉络：技术路线 + 核心优化点对比
notes/frontier/model-evolution-timeline.md
口述练习：「对比 DeepSeek-V3 vs Qwen2.5 vs MiniMax-01 的架构差异」
✅ 今日检查：能列出每家公司的差异化技术（各 3 个关键词）
Day 36 — 后训练高级 + 评估 + SSM/Hybrid + 面试模拟
🆕 精读后训练高级方法：RLAIF/SimPO/KTO/ORPO 对比
notes/training/post-training-advanced.md
🆕 精读模型评估 + 幻觉检测：Benchmark/评估方法/幻觉缓解
notes/evaluation/benchmarks-hallucination.md
🆕 精读 SSM + Hybrid 架构：Mamba-2/RWKV-6/Jamba/MiniMax
notes/architectures/ssm-hybrid.md
🆕 精读 MoE 训练策略：负载均衡/Upcycling/EP
notes/architectures/moe-training.md
notes/frontier/structured-output.md + notes/multimodal/vlm-serving.md
mock_interview/by-topic/frontier-q001-reasoning-models.md
✅ 今日检查：能对比 SimPO vs DPO；能解释 Mamba 的选择性机制
Day 37 — PPO / GRPO 手写实现
逐 cell 运行 PPO/GRPO Notebook（完整训练循环）
notebooks/rl_ppo_grpo_implementation.ipynb
限时手写：不看代码重写 PPO loss 计算（20min 限时）
口述练习：「PPO 的 clipped surrogate objective 是什么？为什么要 clip？」
✅ 今日检查：能默写 PPO loss 公式 L = min(r·A, clip(r, 1-ε, 1+ε)·A)
Day 38 — LeetCode 高频题 (上)
逐 cell 运行 LeetCode Notebook（前半部分）
notebooks/leetcode_llm_system_related.ipynb
notes/coding/llm-related-algorithms.md
✅ 今日检查：LRU Cache 和 Trie 能在 15min 内手写完成
Day 39 — LeetCode 高频题 (下) + Beam Search
逐 cell 运行 LeetCode Notebook（后半部分）
notebooks/leetcode_llm_system_related.ipynb
限时练习：手写 Beam Search（不看代码，20min 限时）
回顾 notebooks/attention_tokenizer_beamsearch.ipynb
限时练习：手写 Top-K Sampling（15min 限时）
✅ 今日检查：所有 LeetCode 题目 Notebook 运行通过且理解核心思路
Day 40 — Phase 5 复盘 + 心算训练
notes/cheatsheet-final.md
math_dictionary/mental-math-cheatsheet.md
自测题：
手写 LRU Cache 的 get/put（限时 10min）
解释 GRPO 和 PPO 的区别（口述 3min）
列出 DeepSeek-V3 的 3 个核心创新点（2min）
═══════════════════════════════════════
Phase 6: 全真模拟 + 终极冲刺 (D41-D45)
═══════════════════════════════════════
🎯 目标：以实战状态迎接面试
Day 41 — 行为面试准备
mock_interview/behavior/self-introduction.md
mock_interview/behavior/star-stories.md
精读 + 口述 KV Cache/Serving 专项 STAR
mock_interview/behavior/star-kv-cache-serving.md
mock_interview/behavior/project-one-pager.md
练习：分别用 1min / 3min / 5min 讲述项目（录音）
✅ 今日检查：自我介绍 ≤ 2min，每个 STAR 故事 ≤ 3min，流畅无卡顿
Day 42 — 公司定向准备
mock_interview/by-company/bytedance.md
mock_interview/by-company/tencent.md
mock_interview/by-company/alibaba.md
针对目标公司的「Why this company?」口述练习
✅ 今日检查：能针对每家公司说出 3 个技术匹配点 + 1 个业务理解点
Day 43 — 全真模拟 #1：技术深度 + 系统设计（60min）
模拟第 1 轮：自我介绍 + 项目 Deep Dive
模拟第 2 轮：系统设计——设计支持 100 并发的 LLM Serving
mock_interview/by-topic/system-design-100qps-llm-serving.md
Day 44 — 全真模拟 #2：算法 + 行为面试（60min）
模拟第 1 轮：手撕算法（LRU Cache + Top-K，限时 30min）
模拟第 2 轮：行为面试 STAR（随机 3 个故事）
模拟第 3 轮：口述 Attention 原理 + 手写 Scaled Dot-Product
notes/cheatsheet-final.md
Day 45 — 终极检查 + 休息调整
notes/cheatsheet-final.md + math_dictionary/mental-math-cheatsheet.md
终极口述：随机抽 5 个知识点，每个 3min 口述
检查 Notebook 清单（确保每个都能快速打开演示）
📋 附录 A：每日学习材料完整映射
📓 Notebooks 学习时间线
llm_inference_fundamentals.ipynb
attention_tokenizer_beamsearch.ipynb
kv_cache_paged_lru_workshop.ipynb
quantization_precision_experiment.ipynb
speculative_decoding_simulator.ipynb
rag_prefix_caching_simulator.ipynb
vllm_architecture_walkthrough.ipynb
distributed_inference_roofline.ipynb
reasoning_models_workshop.ipynb
rl_ppo_grpo_implementation.ipynb
leetcode_llm_system_related.ipynb
🆕 notes/architectures/transformer-components.md (FFN/残差/LN/稀疏注意力)
🆕 notes/architectures/position-encoding.md (RoPE/ALiBi/Sinusoidal 全景)
notes/architectures/ (llama3, mixtral-moe, deepseek-v3)
notes/attention/ (flashattention, linear-attention, long-context)
🆕 notes/inference/decoding-strategies.md (Top-K/P/Temperature/Beam)
notes/training/ (scaling-law, lora-rlhf, alignment-pipeline)
🆕 notes/training/pretraining-data.md (预训练任务/数据筛选/合成数据)
notes/kv-cache/, notes/kv-eviction/
notes/llm-system/, notes/inference/
notes/serving/, notes/system-design/, notes/tools/
notes/distributed/, notes/cuda/
notes/source-reading/, notes/frontier/slime-vs-verl.md
notes/frontier/ (全部 10 篇), notes/multimodal/, notes/debugging/
🆕 notes/training/post-training-advanced.md (RLAIF/SimPO/KTO/ORPO)
🆕 notes/evaluation/benchmarks-hallucination.md (评估+幻觉检测)
🆕 notes/architectures/ssm-hybrid.md (Mamba-2/RWKV-6/Hybrid 深度)
🆕 notes/architectures/moe-training.md (MoE 训练策略深度)
🆕 notes/frontier/model-evolution-timeline.md (主流大模型发展脉络)
serving-q003, rag-q001, cost-q001
frontier-q001/q002/q003-*
symbols-glossary, linear-algebra-basics, tensor-shapes, transformer-attention-math, mqa-vs-gqa
rope-and-position-encoding
flashattention-math, linear-attention-math, gated-attention-math
tokenizer-math, probability-and-sampling, lora-peft-math
kv-memory, pagedattention-math
speculative-decoding-math
prefill-decode-performance, attention-complexity
serving-metrics, queueing-and-slo, mental-math-cheatsheet
Phase 1 结束 (D8) ✅
Phase 2 结束 (D17) ✅
Phase 3 结束 (D25) ✅
Phase 4 结束 (D33) ✅
Phase 5 结束 (D40) ✅
Phase 6 结束 (D45) ✅
📋 附录 C：心算速查 20 题（D40 + D45 使用）
Llama3-70B GQA KV head 数？
70B 32层 128K context KV cache (GQA, bf16)？
LoRA rank=16, d=4096 的额外参数量？
Mixtral 的 MoE 有几个 expert？
1M token 对话的 KV cache 大概多大？
Speculative Decoding 的 draft 模型通常多大？
💪 最后提醒：
如果某一天学得更深入花了更多时间，不要焦虑——深度学通 > 赶进度
每个 Phase 结束时花 20min 调整下一阶段计划
口述练习和面试模拟是最容易被跳过的，但它们是面试通过率最关键的变量
遇到不懂的知识点，先搜索本仓库——大概率已经有对应笔记
