学习计划进展

可视化学习进度

总体进度

进度：████████████████░░░░░░░░░░░░░░░░░░░░░░░░░░ 32%

（9 个维度加权平均：算法 45% + Python 50% + LangChain 20% + Agent 55% + React 5% + RAG升级 0% + 公司梳理 40% + 英语 25% + 面试 35%）

算法（HackerRank Prep Kit + LeetCode Hot 100）

进度：██████████████████████░░░░░░░░░░░░░░░░░░░░ 45%

• ✅ Easy 25 题全清
• ✅ Medium 8/18（#25-#29 AC，#31 AC，#33 AC，#34 AC，#35 AC）
• ⏳ 跳过 #32（测试用例 bug）、#36（通过率 9.97%）
• ⏳ Medium 剩余 8 题 + Hard 10 题
• 🔲 LeetCode Hot 100（Prep Kit 完成后转）
• 🔲 重点：DP、树

Python + FastAPI

进度：████████████████████████░░░░░░░░░░░░░░░░░░ 50%

• ✅ Python 基础语法、类型注解、async/await、Pydantic
• ✅ ChromaDB 向量存储与检索
• ✅ FastAPI 路由、Pydantic 模型、异步接口
• ✅ Mini 项目 1：any-code-rag 基础版本（/health, /collections, /ingest, /query）
• ✅ metadata 过滤检索
• ⏳ Reranker 优化、多路检索

LangChain + LangGraph + RAG

进度：█████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ 20%

• ✅ LangChain 核心组件（ChatModel、PromptTemplate、Chain、OutputParser）
• ✅ SecretStr 机制理解
• 🔲 LangChain Agent（create_tool_calling_agent、AgentExecutor）
• 🔲 LangGraph（StateGraph、节点、边、条件路由）
• 🔲 LangGraph 多 Agent 协作（Supervisor + Workers）
• 🔲 对比总结：从零实现 ReAct vs LangChain/LangGraph

Agent 设计

进度：██████████████████████████░░░░░░░░░░░░░░ 55%

• ✅ any-code：ReAct 循环 + AgentLoop + 8 工具 + 权限分组
• ✅ RxJS 任务串行队列与中断（AbortController 贯穿 OpenAI SDK）
• ✅ 多 Agent 委托（AgentTool）
• ✅ 会话持久化恢复 + MCP 协议接入
• ✅ 参与华为 RelayAgent 开发（Plan-Execute、三层架构、Plugin 平台）
• ✅ ReAct / CoT / ToT 区别与适用场景
• 🔲 LangGraph 多 Agent 协作对比

React 框架

进度：██░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ 5%

• ✅ Angular/Vue 经验可迁移（组件化、路由、状态管理）
• 🔲 Next.js 基础（文件路由、Server/Client Components、API Routes）
• 🔲 SSE 实时推送（EventStream → 浏览器）
• 🔲 对话界面实现
• 🔲 部署（Vercel/Docker）

any-code-rag 升级（多格式 + 权限隔离）

进度：░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ 0%

• 🔲 多格式文档加载（PDF 保留页码、DOCX、扫描件 OCR、Markdown）
• 🔲 页码溯源 + metadata 设计（page_number, source_file, department）
• 🔲 权限隔离（where={“department”: user_dept}）
• 🔲 Reranker + 多路检索

公司项目和工作流程梳理

进度：████████████████████░░░░░░░░░░░░░░░░░░░░░ 40%

• ✅ SFS & SFS Turbo 弹性文件存储控制台
• ✅ CloudPanel 运维平台（DDoS 防护）
• ✅ EdgeSec 边缘安全控制台
• ✅ 中国电子云低代码平台
• ⏳ 技术亮点整理（量化数据、难点故事）
• 🔲 跨国协作经验英文表述

英语口语

进度：████████████░░░░░░░░░░░░░░░░░░░░░░░░░░ 25%

• ✅ CET-6
• ✅ 跨国协作经验（德国、法国同事）
• 🔲 5 个必考题英文回答准备
• 🔲 录音自测
• 🔲 15 分钟英文技术面模拟

面试准备

进度：████████████████████░░░░░░░░░░░░░░░░░░░░░ 35%

• ✅ 简历：Agent 版 + 前端版，中英文 4 份 HTML+PDF
• ✅ 面经完全文档（14 篇面经整理）
• ✅ 高频考点文档（前端 + Agent 双方向）
• ✅ 模拟面试问题文档（50 题）
• ✅ 岗位搜索（4 份 Excel：天津/北京 × 前端/Agent）
• 🔲 模拟面试实战（3 轮）
• 🔲 英文话术录音自测
• 🔲 目标公司 JD 查漏补缺

学习维度

1. 算法
2. 公司项目和工作流程梳理复习
3. React 框架
4. Python + FastAPI
5. LangChain + LangGraph + RAG
6. Agent 设计
7. 英语口语
8. 面试准备

产生的项目

AnyCode

使用 React + Nextjs 构建的SSR前端 + Typescript的 domain + 基于 Nodejs 的 infra 层

实现个人编程助手工具

AnyCodeRAG

使用 Python + fastapi + LangChain

实现 RAG 处理部门的知识库，包含了 docx、pdf、扫描件、markdown等多种文件，同时要求 pdf 保留页码，访问的时候不同用户部门要具备不同的权限，不能跨部门访问。提供接口，可以给 AnyCode 的前端调用，同时自己也通过 LangChain 实现了简单的问答助手。