sqlboy2ai 转型总脑图 — 由点及面¶

定位：卷一 · 转型架构全书（索引 + 正文）— 广告大数据 → AI 应用 / Agent / MLOps 的 干货正文，非玩具工程清单。
用法：精读 §1–§6 · 查询 §0 + 附录 A · 术语 术语速查 · 全景 展开图 · 交互 Canvas sqlboy2ai-master-mindmap.canvas.tsx
锚点：依赖 MkDocs attr_list；跳不准请硬刷新。旧 id：#scene_m90 → #scene_portfolio_90d；#sym_demo_broken → #sym_run_fail（文内保留 span 别名）。
深读：机制与排期仍链 apr3/sqlboy2ai

← AI 专题索引 · DDIA 卷一脑图

纵轴（共享）：H0 目标与约束 → H1 场景/岗位 → H2 项目与产品 → H3 Agent 运行时 → H4 模型与 RAG → H5 工程与交付 → H6 成本与节奏 · H7 实践横切（学习/求职/副业/工程）

一句话定位（面试/简介复用）→ 个人定位与差异化叙事

本书体例¶

三种读法

维护顺序：Markmap → §8 节点表 → 附录 A 百科 → Canvas NODES / SYMPTOM_HIGHLIGHT → apr3 README 回链一句。

与 DDIA 卷一 对照：体例同为四篇 + 工具章 + 附录 A；sqlboy 增 §9 apr3 地图与转型术语；数据优势用 path_data_bridge 衔接，勿在两脑图间重复抄 Flink 教程正文。

节点 id 迁移（2026-06）¶

与 apr3 文档对照¶

术语速查¶

展开图导读¶

维护顺序：Markmap 树 → §8 节点表 → 附录 A → Canvas NODES。

导读 · 精读：第一次阅读建议 纵轴拓扑（理解 H0–H7）→ 交付验证链路（理解 sql_audit 中枢）→ 回到 §2 选你的 scene_*。卡住时走 卡点拓扑 或 §0，不要从 apr3 README 随机翻页。MkDocs 站内跳转依赖 attr_list + 标题 {#锚点}；本地 mkdocs serve 改锚点后需 硬刷新 浏览器缓存。

树形 · Markmap（可交互展开）¶

拓扑 · 纵向下钻（H0→H6）¶

flowchart TB
  subgraph H0_box [H0 目标]
    GJ[goal_job]
    GS[goal_side]
    GB[goal_brand]
  end
  subgraph H1_box [H1 场景]
    SO[scene_offer]
    SM[scene_portfolio_90d]
    SD[scene_dual]
  end
  subgraph H2_box [H2 项目]
    PA[proj_sql_audit]
    PR[proj_ad_review]
    PC[proj_coach]
    PG[proj_rag]
  end
  subgraph H3_box [H3 Agent]
    AG[path_agent]
    MCP[path_mcp]
    BR[path_data_bridge]
  end
  subgraph H4_box [H4 RAG]
    RG[path_rag]
  end
  subgraph H5_box [H5 工程]
    API[stack_fastapi]
  end
  subgraph H6_box [H6 节奏]
    M30[ops_m30]
    COST[ops_cost]
  end
  GJ --> SO
  GS --> PC
  SM --> PA
  SO --> PA
  SO --> PR
  PA --> AG
  PR --> AG
  PG --> RG
  AG --> API
  RG --> API
  PA --> M30
  sym_hub[H7 卡点]
  sym_hub -.-> PA
  sym_hub -.-> API
  sym_hub -.-> GB

图注 · 精读：H0 决定本周 主战役（求职/副业/学习只能选一个为主）。H1 场景不直接写代码，而是选 岗位路径 + 默认项目组合。H2 proj_sql_audit 是能力证明中枢；H3–H5 是技术栈落地层。H6 用 M30/M60/M90 检查 可复现交付，不是「做完界面」。H7 横切：卡住先 §0，勿翻整库 apr3。

拓扑 · 项目与交付验证链路¶

flowchart TB
  subgraph audit [sql_audit_mvp 中心]
    SQL[SQL输入]
    Rules[规则引擎]
    LLM[可选LLM解释]
    HTTP[FastAPI HTTP]
    SQL --> Rules
    Rules --> LLM
    Rules --> HTTP
    LLM --> HTTP
  end
  subgraph scenes [场景挂载]
    SM[scene_portfolio_90d]
    SS[scene_sql_audit]
    SJ[scene_offer]
  end
  subgraph others [并行项目]
    AR[proj_ad_review 复盘]
    CO[proj_coach 教练]
    RAG[proj_rag 知识库]
  end
  SM --> audit
  SS --> audit
  SJ --> AR
  AR --> RAG
  CO --> RAG
  BRIDGE[path_data_bridge]
  BRIDGE --> Rules

图注 · 精读：规则引擎 → HTTP 是求职与副业都可验收的硬交付；LLM 分支可选（enable_llm:false 仍可证明工程能力）。path_data_bridge 把 DDIA 的分区/对账思维接到 审计规则，是差异化叙事核心。复盘/RAG 并行但不抢 sql_audit 的 M30 检查点。

拓扑 · 卡点路径¶

flowchart TB
  sym_run_fail[sym_run_fail]
  sym_no_project[sym_no_project]
  sym_interview_gap[sym_interview_gap]
  sym_no_revenue[sym_no_revenue]
  sym_scope_creep[sym_scope_creep]
  sym_learning_overload[sym_learning_overload]

  sym_run_fail --> proj_sql_audit
  sym_run_fail --> stack_fastapi
  sym_run_fail --> path_agent
  sym_no_project --> proj_sql_audit
  sym_no_project --> proj_ad_review
  sym_no_project --> scene_offer
  sym_interview_gap --> goal_brand
  sym_interview_gap --> goal_job
  sym_interview_gap --> path_data_bridge
  sym_no_revenue --> goal_side
  sym_no_revenue --> proj_coach
  sym_scope_creep --> scene_dual
  sym_scope_creep --> ops_m30
  sym_learning_overload --> path_rag
  sym_learning_overload --> stack_langgraph

  proj_sql_audit[proj_sql_audit]
  stack_fastapi[stack_fastapi]
  path_agent[path_agent]
  goal_brand[goal_brand]
  goal_job[goal_job]
  path_data_bridge[path_data_bridge]
  goal_side[goal_side]
  proj_coach[proj_coach]
  scene_dual[scene_dual]
  ops_m30[ops_m30]

图注 · 精读：sym_run_fail 先查 H5 工程再怀疑模型；sym_no_project 回 §3 优先级；sym_interview_gap 必过 goal_brand + path_data_bridge。与 §0 表 一致。

0. 5 分钟决策罗盘¶

步骤：① 选卡点 → ② 先问自己 → ③ 锁定 H? → ④ §正文或 apr3 → ⑤ QA

卡点精读¶

sym_run_fail — 交付跑不通¶

定义：sql_audit 按 README 无法得到预期 JSON/审计结果。验收：curl 本地 HTTP 或 CLI 有结构化输出；无 API key 时规则路径仍通。下钻：H5 stack_fastapi → H2 proj_sql_audit。根因：PYTHONPATH、端口占用、依赖未装、误开 LLM 导致超时。应急：enable_llm:false、按 README 逐步排。→ E01 · E02

sym_no_project — 不知做哪项目¶

定义：并行开太多方向，无本周可验收增量。必问：主战役是求职还是副业？下钻：H2 §3 优先级表。应急：只保留 sql_audit 一条交付线直到 M30 通过。

sym_interview_gap — 面试讲不清¶

定义：项目讲成 CRUD，未突出广告+数据+Agent。指标：90s 无卡顿、标签一致。下钻：H0 goal_brand、path_data_bridge。应急：重写 个人定位 三句话。→ J01 · J02

sym_no_revenue — 副业零收入¶

定义：有产品无付费。根因：卖「大平台」、无痛点 Skill。下钻：goal_side、proj_sql_audit Skill 化。→ B01

sym_learning_overload — 学不动贪全¶

定义：课/论文堆积，无周交付。规避：项目驱动、默认栈锁定。→ L01

sym_scope_creep — 范围蔓延¶

定义：新 feature 不服务当前 里程碑。验收：本周 PR/提交是否让 M30/M60/M90 检查项多勾一项？下钻：H6 ops_m30 + scene_dual。根因：双主战役、追新框架、完美主义 UI。应急：功能冻结清单，非 P0 需求进 backlog。→ B03

sym_learning_overload — 学不动贪全（精读补）¶

定义：输入（课/论文/框架）远大于输出（可验收增量）。指标：本周是否有 README 可跟的交付。下钻：H4 path_rag/path_agent 仅服务当前项目，不平行开新课。明天一个动作：删 1 门进行中的课，改写 1 条评测用例。

算法面试慌（罗盘表延伸）

定义：scene_algo 与 H2 抢时间或 Top3 无算法。验收：连续 7 天每日 1 题打卡。下钻：H1 scene_algo + J03。明天一个动作：早晨 25min 刷 1 题，晚间只碰 sqlboy。

与数据岗脱节（罗盘表延伸）

定义：面试只讲 Flink/数仓，不讲 AI 闭环。验收：能否在 90s 内说出「分区/对账思维 → SQL 审计规则」。下钻：H3 path_data_bridge + DDIA 卷一。明天一个动作：写 1 条审计规则并绑定 rule_id。

5 分钟口述模板

卡点 __ → 本周主目标 __ → 层 H__ → 项目/文档 __ → 明天一个动作 __

1. 目标九宫格¶

转型期 不可九格全满 — 标出牺牲项（见下三角）。

不可同时最大化（背三角）

• 主战役：求职 / 副业 / 系统学习每周只选一个为主。
• 深度 vs 广度：sql_audit 闭合 → 复盘 Agent → RAG/教练。
• 可验证交付 vs 空壳 SaaS：先规则+HTTP+评测，再收费；勿先造大平台。

goal_job — 求职¶

窗口期内 作品集与叙事 优先于证书与论文。可量化：2–3 个可复现闭环、90s 故事线无卡顿、简历每段含「AI 应用/Agent/审计」之一。本周必问：「若只推进一件事，是否让面试官下周能打开我的 HTTP 8765？」与副业冲突：周一日历标主战役，副业大版本推迟（B03）。牺牲项常包括：深度数学、第六个小项目、泛自媒体更新频率。

goal_side — 副业¶

第一笔收入来自 垂直 Skill（SQL 审计清单/规则包/投放复盘模板），非「通用 AI 助手 SaaS」。可量化：每周 ≥1 次目标用户对话、首单 ¥99–499 验证付费意愿。本周必问：「卖的是痛点清单还是平台账号？」与求职冲突时 周一只选主目标；维护崩见 B02。牺牲项：完美 UI、多租户、过早 API 对外开放。

goal_brand — 品牌¶

标签统一：广告大数据 → 数据+AI 应用+Agent；拒绝「我又做大数据又做 NLP 又做 CV」散弹叙事。可量化：三句话定位背诵、LinkedIn/简历同一主标签、录屏开场 10s 不改口。本周必问：「陌生人能否在 30s 内复述我是干什么的？」不一致触发 sym_interview_gap。牺牲项：追热点模型名、与定位无关的证书堆叠。

goal_energy — 精力¶

P0 求职（如 Binance 流程）与 sqlboy 项目 分桶填数；sqlboy 建议 ≤10–14h/周，P0 建议 ≤4h/日。可量化：§6.2 表每周复盘是否超限。双主战役是 反模式 — 同周冲刺投递 + 副业大发布必导致 sym_scope_creep。本周必问：「今晚 2 小时给算法、sqlboy 还是休息？」牺牲项：通宵、无缓冲的「再学一门新课」。

2. 场景 → 路径 → 产出¶

scene_offer — 拿 offer¶

转型约束：时间窗内拿到 AI 应用/数据+AI 岗；允许牺牲副业首发与底模学习。

产出契约：三件套（proj_sql_audit + proj_ad_review 或审计叙事 + 可选 proj_rag）+ 90s/3min 录屏 + 简历每 bullet 含 AI/Agent 关键词；模拟面试能讲清 path_data_bridge。

推荐路径与岗位：默认 LLM 应用工程师；有平台经验可叠 MLOps 叙事，勿冒充纯算法岗。

默认项目分工：proj_sql_audit（M30）→ proj_ad_review（M60）→ 可选 proj_rag。

备选：仅审计岗 JD 时强化 scene_sql_audit，暂缓教练/CTR。

失败 Top3：① 项目 >3 个且无闭环 ② 讲成 CRUD（J02）③ 算法与 sqlboy 抢同一晚间块。

周/月节奏：周更 1 个可验收增量（README 逐步）；月对齐 双轨路线 检查点。

apr3：实施手册 · 作品集优先级

scene_portfolio_90d — 90 天作品集闭合¶

转型约束：90 天内形成 可面试讲述 的闭环；不是堆界面或依赖 API key 的炫技。

产出契约：

机制：sql_audit = 规则引擎 + HTTP + 可选 LLM — 工程能力证明；LLM 仅解释层。

推荐路径：path_agent + path_data_bridge 为主；path_rag 为加成。

失败 Top3：① sym_run_fail（PYTHONPATH/端口）② 强依赖 LLM 导致无法验收 ③ 未录屏导致面试讲不清。

运维节奏：按 sql_audit README 逐步验收；每周五固定「录屏 rehearsal」15min。

scene_sql_audit — SQL 审计交付¶

转型约束：面向 数据研发/AI 应用 岗，证明你能发现性能/口径/链路风险，而非「Chat 写 SQL」。

产出契约：规则 ID + SQL 片段 + 严重级别 + 报告模板；P01 可解释；可选 Skill 定价锚点。

推荐路径：path_data_bridge → proj_sql_audit；工具栈 stack_fastapi + 规则即代码。

默认/备选：默认唯一 M30 核心；备选仅当 JD 纯 MLOps 时叠部署叙事，不另起第四大项目。

失败 Top3：误报风暴（E03）、规则不可版本化、把审计做成通用聊天。

副业形态：审计清单/规则包 Skill — 见 项目 3

scene_ad_review — 广告复盘¶

转型约束：体现 广告域壁垒（投放/归因/ROI），与泛 BI 助手区分。

产出契约：指标口径表 + Agent 工作流（Plan-Tool-Observe）+ 可选 RAG 引用来源；面试 90s 含「复盘提效」量化句。

推荐路径：path_agent + path_rag（引用投放文档）；岗位叙事：智能化投放/增长分析。

默认项目：M60 第二优先 proj_ad_review；依赖 M30 sql_audit 的工程习惯（日志/测试）。

失败 Top3：指标口径前后不一致、Agent 无 max_steps、复盘结论无数据来源。

深读：项目 2

scene_rag — 广告知识库¶

转型约束：知识问答 可追溯，服务投放/审计引用，非企业百科炫技。

产出契约：ingest 清单 + chunk 策略说明 + 黄金问答集 通过率 ≥ 约定阈值 + 生成带引用片段。

推荐路径：path_rag；与 path_agent 组合时 Agent 只负责编排，事实以检索为准。

失败 Top3：幻觉（P02）、chunk 过大丢细节、无权限隔离上传生产文档。

周节奏：每周固定回归评测集；发布前禁止「静默换嵌入模型」。

深读：项目 5

scene_coach — 转型教练¶

转型约束：方法论与 内容产品；读者已是转型者，不是零基础科普。

产出契约：内容专栏/咨询 SOP + 可选轻量 Agent（FAQ）；不替代 H2 工程闭环。

推荐路径：副业 goal_side；求职仅作加分（品牌一致性）。

失败 Top3：与 M30 抢时间、卖「大而全训练营」无案例、叙事与 sql_audit 不一致。

节奏：sql_audit、复盘 闭合后 再放大教练；见 项目 4

scene_dual — 6–12 月双轨¶

转型约束：双轨 — 岗位与副业同步，但每周 主战役 唯一。

产出契约：路线图分月里程碑（求职投递窗 + 副业首单窗）；§6.2 精力表填实数。

推荐路径：岗位线 scene_offer + 副业线 scene_sql_audit Skill 化；冲突仲裁见 B03。

内联摘要（双轨干货 ≤15 行）：

1. 月 1–2：M30 闭合 + 简历叙事定稿
2. 月 3–4：M60 第二项目 + 模拟面试
3. 月 5–6：M90 三件套 + 副业 Skill 上架
4. 每周一只标「主：求职|副业|学习」
5. API 预算与 P0 求职小时设硬顶

深读：6 个月双轨

scene_algo — 面试算法¶

转型约束：算法关与 Agent 项目 并行，不替代 H2 可验证交付。

产出契约：Top3 刷题计划 + 每日 1 题打卡；面试能口述复杂度，但 90s 项目故事仍以 sql_audit 为主。

推荐路径：scene_algo 早晨块 + 晚间 sqlboy；挂算法关见 J03。

失败 Top3：停项目只刷题、刷题无广告业务变种、考前 72h 仍开新 Agent feature。

深读：算法总览

学习路径（横向宽）

岗位路径决策（LLM 应用 / MLOps / AI 平台 / ML）¶

LLM 应用：默认选；匹配 sql_audit + Agent 工作流。MLOps：你已有数据平台经验时加强部署/评测/成本叙事。AI 平台：偏调度与分布式，勿与「训练算法岗」混淆。ML 工程师：仅当岗位 JD 明确要求训练/特征；转型期 不优先 补数学推导（L02）。

3. 项目与产品层（H2）¶

原则：3 个高相关 作品集 > 6 个泛项目 — 详见 作品集组合

flowchart LR
  subgraph deliverable [可交付]
    Audit[sql_audit_mvp]
  end
  subgraph design [设计稿]
    P2[复盘Agent]
    P4[转型教练]
    P5[广告RAG]
  end
  subgraph optional [可选]
    P1[CTR预测]
  end
  Audit --> P2
  P5 --> P2
  Audit --> P4

推荐优先级（默认）

1. sql_audit — 最贴数据工程、最快演示、最易 Skill 化
2. 广告复盘 Agent — 业务壁垒、求职叙事
3. 转型教练 — 品牌与内容（前两个后再沉淀）

一鱼两吃：同一 proj_sql_audit 同时服务 求职作品集（规则+工程）与 副业 Skill（审计清单/模板），避免两套代码叙事。

proj_sql_audit — 项目卡片¶

问题域：SQL/任务 审计（性能、口径、链路），非万能写 SQL。求职：数据+AI 工程、平台化能力。副业：最先收费的垂直 Skill。交付物：规则包 + HTTP API + 可选 LLM 解释 + 测试用例。反模式（术语速查·反模式）：强依赖 key、无规则 ID、生产 SQL 入库。验收：README 逐步可复现；审计 JSON 含规则引用。

proj_ad_review — 复盘 Agent¶

问题域：投放复盘自动化。求职：广告智能化叙事。交付：结构化指标 + Agent 流程；可接 RAG 引用。反模式：纯 Chat 无口径、无业务指标定义。

proj_coach — 转型教练¶

问题域：转型方法论内容化。副业：咨询/内容；第三优先级，不抢 M30。反模式：泛 AI 鸡汤无工程锚点。

proj_rag — 广告 RAG¶

问题域：广告知识可追溯回答。机制：RAG + 评测集。反模式：无权限、无更新策略、无评测即上线。

proj_ctr — CTR 预测（参考）¶

问题域：经典广告 ML（特征+训练+离线评估）。求职：仅当 JD 强调训练/特征工程时作 第四叙述，非 M30 必做。副业：弱 — 难 Skill 化、交付周期长。交付物：离线 AUC 报告 + 特征说明即可，勿与 sql_audit 抢 4 周。反模式：转型期深挖数学推导却无 Agent 闭环。验收：能口述特征与标签 leakage，不必生产级 serving。

项目选型决策（3 问）

1. 本周主战役是求职还是副业？→ 定 §3 优先级行。
2. 新想法是否让 M30/M60/M90 多勾一项？→ 否则进 backlog。
3. 能否用 同一仓库 讲清两个故事（工程+商业）？→ 优先 proj_sql_audit 一鱼两吃。

4. 原理下钻（H3–H5）四条路径¶

结构：动机 → 端到端 → 机制 → 参数 → 资源 → 信号 → 内联干货。

path_agent — Agent 工作流¶

动机：把「多步任务 + 工具 + 状态」编排成可维护工作流（复盘、审计解释、教练对话）。

端到端：用户目标 → Planner 分解 → 工具调用（含 MCP）→ 观察结果 → 再规划或结束。

机制：状态机记录步骤；max_steps 防 P03；LangGraph 等编排有向图。上下文：token 窗口有限 → 摘要/裁剪。持久化：Prompt 版本、会话日志、评测集。

参数表

信号：工具失败率、单请求成本暴涨、循环检测触发。

内联干货：Agent ≠ 单次 LLM；价值在 可控多步 + 可审计工具。→ MCP 科普

path_rag — RAG 链路¶

动机：让生成 有据可查，服务广告知识库与复盘引用。

端到端：文档 ingest → chunk → embed → 查询 →（可选 rerank）→ 填入 prompt → LLM 生成。

机制：chunk 过大丢细节、过小丢上下文；top_k 与阈值权衡召回率/精度。信号：幻觉、召回空、知识过期（P02）。

参数：chunk_size、top_k、相似度阈值、嵌入模型维度。

→ 项目 5

path_data_bridge — 数据工程衔接¶

动机：把 广告大数据工程师 的硬栈优势讲进 AI 岗。

机制：分区键/增量/对账/幂等思维 → SQL 审计规则；Flink 延迟与窗口 → 实时特征说明；勿把整表 scan 结果塞进 prompt。

面试句：「我用批流一致性与分区设计经验，做 可解释的 SQL 审计 Agent，不是泛 Chat。」

→ DDIA 卷一 · 双指针 §二

path_mcp — MCP / 工具层¶

动机：标准化工具暴露，替代每家模型私有 Function Calling 碎片集成。

机制：MCP Server 注册 tool → Client 调用 → 结构化返回；须 权限允许列表 + 审计日志。

与 Function Calling：FC 是模型侧接口；MCP 是跨应用协议 — 见 术语速查。

→ mcp.md

H4–H5 默认工具栈¶

→ 默认工具栈清单

拓扑 · Agent vs RAG 选型¶

flowchart TB
  Q[需求类型]
  Q -->|多步工具编排| AG[path_agent]
  Q -->|知识问答可追溯| RG[path_rag]
  Q -->|SQL审计规则| SA[proj_sql_audit]

图注：审计优先 规则引擎；知识问答才上 RAG；复杂流程用 Agent 编排，三者可组合但 M30 先闭合 sql_audit。

图注 · 精读：若 JD 强调「智能化投放」，复盘 Agent（path_agent）+ 可选 path_rag 引用投放文档；若 JD 强调「数据质量/审计」，proj_sql_audit + path_data_bridge 为主，Agent 仅作解释层。三者组合时 评测集 必须分域：审计用例 ≠ 问答用例。

H4–H5 选型决策（补充）¶

内联摘自默认工具栈（≤20 行）

• 锁栈 4 周：H5 FastAPI + 规则引擎；H3 LangGraph 仅当复盘/教练需要多步。
• 换栈条件：书面记录「替换理由 + 节省交付天数」；否则 L03。
• 观测最小集：请求 id、规则命中列表、token 计数、评测通过率 — 见 可观测。
• 测试最小集：≥10 条黄金 SQL/问答；CI 或 pre-commit 跑回归。

path_rag — 评测与发布清单（补充）¶

path_agent — 与 DDIA「无单点」类比（补充）¶

Agent 编排层类似 协调者：工具失败要有重试上限与降级（规则-only），避免把「模型聪明」当成系统可靠性。面试可对照 DDIA 的复制/分区思维：多步 Agent = 多副本尝试，但必须有 边界（max_steps、允许工具列表）。

5. 实践问题库（横切 H7）¶

格式：现象 → 根因 → 规避 → 日常 → 应急；高优条目下附 排障叙述。

学习¶

求职¶

副业¶

工程¶

产品¶

L01 — 课太多做不完¶

验证：本周是否有可展示增量。规避：项目驱动，砍课单。应急：只保留 sql_audit 交付线。

J01 — 简历像纯大数据¶

验证：每 bullet 是否含 AI/Agent/审计关键词。应急：按 个人定位 重写。

J02 — 项目讲成 CRUD¶

验证：90s 是否含业务 ROI（审计降风险、复盘提效）。应急：用复盘故事线练口述。

B01 — 零付费¶

验证：是否在卖平台。规避：Skill/清单 99–499 先行。

E01 — import 失败¶

验证：PYTHONPATH、工作目录。应急：README 逐步；→ sym_run_fail

E02 — LLM 超时¶

验证：规则路径是否独立可用。应急：enable_llm:false 先验收工程交付。

P02 — RAG 胡说¶

验证：黄金问答集通过率。规避：发布前周回归。

P03 — Agent 死循环¶

验证：max_steps、日志循环模式。应急：强制终止并降 temperature。

L02 — 数学焦虑¶

现象：看到 loss/梯度就停，与目标岗 JD 脱节。根因：把「算法岗」与「LLM 应用岗」混为一谈。规避：只读 MLOps 价值 中「部署/评测/成本」章节。日常：面试若问推导，答「我负责应用层闭环与可观测，训练由平台团队」并转 sql_audit 案例。应急：本周不新开数学课，改写 1 条评测用例。

L03 — 工具换太勤¶

现象：每周换框架，无稳定交付。根因：FOMO + 无替换理由文档。规避：锁定 默认工具栈（FastAPI + 规则引擎 + 可选 LangGraph）。验证：新工具是否让 M30 提前 ≥1 周？否则拒绝。应急：回滚到上一可复现 tag，删未合并实验分支。

J03 — 算法关挂¶

现象：笔试/手撕挂，项目却强。根因：Top3 未含算法、与 Agent 抢同一晚间时段。规避：scene_algo 与 H2 并行 — 早晨 1 题，晚上 sqlboy。日常：LeetCode 中等 + 广告业务变种（区间/哈希）。应急：面试前 72h 只刷公司标签 Top10，暂停新 feature。

B02 — 维护崩¶

现象：副业产品需求爆炸、无人付费却天天改。根因：72h MVP 未做功能冻结。规避：上架清单 ≤5 条；非核心功能 下架 而非堆叠。日常：每周二固定「维护窗」2h，其余只写 Skill 文档。应急：公告暂停新功能，只修 P0 崩溃。

B03 — 与求职抢时间¶

现象：同周既冲刺投递又首发副业大版本。根因：双 主战役。规避：周一日历标注「本周主：求职|副业|学习」其一。验证：§6.2 表 P0+sqlboy 是否超上限。应急：副业推迟 2 周，保 M30/M60 检查点。

E03 — 规则误报多¶

现象：审计报告满屏红，业务方不信。根因：规则未版本化、无黄金 SQL 样例集。规避：每条规则绑定 rule_id + 最小复现 SQL；CI 对样例集跑回归。日常：误报率 >30% 则降级规则集，先保 零漏报高危项。应急：发布 rules/v0-safe 子集，LLM 仅作解释不作判决。

P01 — 用户不信结果¶

现象：「黑盒 AI」质疑。根因：无可解释输出。规避：报告模板固定字段：规则 ID、命中片段、严重级别、建议动作。日常：提供「人工复核模式」开关。应急：关 LLM，只输出规则命中 JSON，附文档链接。

日常节奏（建议）

6. 成本与节奏¶

6.1 Token 与 API（填数）¶

6.2 时间 / 精力（填数）¶

6.3 里程碑¶

→ 6 个月双轨

6.4 人力 TCO（口述）¶

转型 TCO ≈ 学习时间（机会成本）+ API 费用 + 副业工具订阅
一鱼两吃：proj_sql_audit 同时服务作品集与 Skill
双轨冲突：用 §6.2 表仲裁，每周一个主战役

变量含义

双轨时间块冲突处理

1. 周日填 §6.2 表，标下周 主战役（求职|副业|学习）。
2. 若 P0 面试密集 → sqlboy 仅保 M30 维护，副业冻结 feature。
3. 若副业首单验证周 → 求职投递减至维护量，不新开 RAG。
4. 算法与 sqlboy 分时段（晨/晚），禁止同晚 3h 混刷。

M90 交付检查清单（面试口述用）

• sql_audit：他人按 README 得到 JSON
• 第二项目：复盘或 RAG 有录屏
• 评测集：≥10 条黄金用例有通过率记录
• 90s：广告+数据+Agent 标签一致
• 无「只能在我电脑上跑」依赖

7. 自信拆解练习¶

对接 → 知识点出题 · 转型拆 6 层

使用建议

1. 卡住 → §0，不翻整库 apr3。
2. 选项目 → §3，不增第 4 大项目。
3. 每周 2 题 §7。
4. 数据优势 → DDIA 卷一。

8. 节点 ID 表 + 分区简图（与 Canvas 同步）¶

节点主表¶

分区简图（H 层）

H0 goal_*  →  H1 scene_*  →  H2 proj_*  →  H3–H5 path_* / stack_*
                                    ↘
H6 ops_*  ←  交付检查点          H7 sym_* 横切 §0 §5

Canvas 同步字段：NODES[].id = 上表 id；mdAnchor 优先用显式 {#锚点}；场景筛选 portfolio 对应 scene_portfolio_90d 交付链。

卡点 → Canvas 高亮（SYMPTOM_HIGHLIGHT）

附录 A · 节点百科¶

附录 A 说明：与 §8 全部 id 一一对应；机制长文见 §2–§4，此处为 5 分钟速查卡。

9. 源文档地图（apr3/sqlboy2ai）¶

阅读顺序建议（首次）

1. 本卷一 §0 → 定本周卡点
2. §3 → 锁 proj_sql_audit
3. apr3 README → sql_audit README 逐步验收
4. §4 path_data_bridge + DDIA 卷一对照叙事
5. §6 填数 → §7 每周 2 题自测

与 DDIA / 数据工程衔接¶

QA 疑问解答¶

体例、锚点、与 DDIA 衔接、id 迁移 — 面试前可速扫。

Q1：卷一与 apr3 分工？
A1：本页 = 架构全书与索引；apr3 = 实施细节与代码 README。

Q2：为何去掉 Demo 说法？
A2：求职要 可验证交付（规则+评测+叙事），不是玩具界面；M30/M60/M90 是检查点名称。

Q3：scene_m90 去哪了？
A3：改为 scene_portfolio_90d；旧锚点 #scene_m90 仍可用（span 别名）。

Q4：#path-agent 跳不准？
A4：确认 attr_list 已启用；硬刷新；或用 #path_agent。

Q5：从 DDIA 卷一切过来如何读？
A5：先 #path-data-bridge 建立叙事桥，再 #proj-sql-audit 做 M30；体例与 DDIA 卷一一致（§0/附录/Markmap）。

Q6：Canvas 症状高亮对不上？
A6：2026-06 起用 sym_run_fail、scene_portfolio_90d；场景筛选用「90天作品集」非旧 Demo 筛选项。

Q7：M30/M60/M90 还是 Demo 吗？
A7：否 — 仅为 交付检查点 id（ops_m30 等），文案已全部改为可复现/录屏/评测验收。

Q8：何时先 Agent 何时先 RAG？
A8：见 §4「Agent vs RAG 选型」拓扑；M30 必须先闭合规则审计，再叠 RAG/Agent。

Q9：附录 A 与 §2–§4 重复吗？
A9：附录是 §8 各 id 的 5 分钟卡；机制长文只在 §2–§4 展开一次，避免双份教程。

待沉淀¶

• M30 录屏脚本链到 sql_audit
• 复盘 Agent 与 DDIA 实时章节对照表
• 副业首单复盘写入 §5 B01