我的技术学习路线与规划
技术学习没有终点，但有了清晰的路线图，每一步都能走得更扎实。这篇文章记录了我在 AI、数据库、Java 框架、新技术和量化交易等方向的阶段性规划，既是 To-Do List，也是学习路标的公开存档。
持续更新中，欢迎交流。
AI / 机器学习
打好 AI 基础，重点在经典算法、深度学习框架和工程落地。
- scikit-learn：经典 ML 算法库，掌握分类、回归、聚类、降维的工程实现
- NumPy / Pandas：数据处理基本功，向量化操作、DataFrame 变换、缺失值处理
- PyTorch：深度学习主流框架，从张量操作到模型训练、推理部署全链路
- Spring AI / MCP：AI 工程化方向，将大模型能力整合到 Java 后端服务中
数据库
深入数据库内核原理，从理论到底层实现。
- 极客时间 MySQL 课程：系统学习 InnoDB 存储引擎、锁机制、性能优化
- OceanBase OBCP 认证：分布式数据库原理、OceanBase 集群运维与调优
- 慕课网手写数据库：从零实现一个简单的关系型数据库，理解解析器、执行器、存储引擎的完整链路
Java 框架
源码阅读 + 手写实现，吃透核心框架的设计思想。
- Spring / Spring Boot 源码 + 手写：IoC 容器、AOP 原理、自动配置、事务管理
- MyBatis 源码 + 手写：ORM 映射原理、动态 SQL、插件机制
- Tomcat 源码 + 手写：Servlet 容器、HTTP 处理、类加载架构
- JDK 源码：重点攻集合框架、并发包（JUC）、NIO、Stream 与 Lambda
新技术
保持对 Java 生态前沿的关注。
- JDK 9 到 JDK 21 新特性：模块化、虚拟线程、模式匹配、Record、密封类等
- Spring 6 + Spring Boot 4：AOT 编译、GraalVM Native Image、新的 HTTP 客户端
- Spring 家族扩展：Spring Cloud、Spring Security、Spring Reactive 等
- Quarkus：GraalVM 原生编译框架，对比 Spring Boot 的启动性能和资源占用
前端
后端工程师的前端能力储备，够用即可，重点在工程化协作。
- Vue 3：组合式 API、响应式原理、Vite 构建、工程化实践
- Ant Design Pro：中后台开箱即用框架，了解前端工程化的最佳实践
量化交易
将编程能力延伸到金融领域，实践数据驱动策略。
- 行情 API 对接：对接券商或第三方数据源的 REST/WebSocket 接口
- 常规因子实现：动量因子、波动率因子、资金流因子等的计算与应用
- 回测框架搭建：基于 ta4j 搭建回测系统，验证策略有效性
LeetCode
算法训练保持手感，重点突破高频题与难题。
- 困难 100 题：图算法、动态规划进阶、复杂区间问题
学习原则
- 先理解再深挖：先建立全局认知，再深入源码和原理
- 输出驱动输入：学完一个模块就写文章或做项目，用输出来检验理解
- 持续迭代：这份清单本身也是迭代的，会随着学习的深入不断调整优先级
以上是当前阶段的技术学习路线图。每完成一项，会更新状态并补充学习笔记。