# 一、本周完成事项 ## 1. 技术基础学习 - 完成 Python 教程 13-15 章系统学习，Python 基础框架学习基本结束，进入项目实战巩固阶段。 - 持续背诵 Java Hot 200题，夯实相关面试基础知识。 - 刷题训练：完成回溯算法、前缀树等算法题目，累计刷题十余道，持续练习图论、树相关算法。 ## 2. RAG 知识库项目实战 - 完成项目初始化搭建，逐步推进核心模块开发：文档向量化数据访问层、完整文档向量化模块、知识库问答模块开发。 - 开展功能验证，完成基础问答链路调试，进入 Query 优化阶段。 - 实战中接触 Python 异步并发编程。 ## 3. AI大模型面试知识储备 稳步推进 AI 知识库面试通关 120 问背诵。 # 二、本周收获 - 通过 RAG 项目实操，打通文档解析、分块、向量化、向量检索、知识库问答业务链路，深入理解RAG原理。 - 重新理解 Python 高阶语法、异步并发编程，并落地到项目业务代码中。 - 熟练使用 Claude Code 作为开发辅助工具，借助 AI 快速检索代码、定位隐藏 bug，大幅降低调试耗时。 - 持续积累数据库、大模型知识库等面试题，算法刷题提升代码思维。 # 三、现存问题与反思 - 细节问题较多：项目开发过程中，数据库表字段设计缺少前置校验，后期频繁修改字段，大量关联文件同步调整，调试成本高。后续开发需注重编码细节。 - 问题排查效率偏低：初期配置类问题缺乏定位思路，依赖豆包辅助排查，耗费较多时间；项目日志不完善，难以自主定位问答链路故障。后续需完善项目日志体系，建立标准化排错思路。 - 知识掌握存在薄弱点。 - 算法掌握不扎实，需要增加相关算法的思维训练。 - Python 理论学习完成，但缺少独立项目代码复盘，知识点容易遗忘，需要结合业务代码持续复盘。 # 四、下周学习计划 - 完成 RAG 知识库剩余模块开发； - 梳理项目开发文档，整理开发过程踩坑记录； - 力扣算法HOT100题学习。 - 完成 AI 知识库面试通关 120 问整体背诵并巩固； - 持续背诵 Java HOT200 八股，定期复盘，避免遗忘。