AI × 软件工程 / SRE 学习清单（工程师版）
🎯 总目标
成为一名 能在生产环境中"正确、安全、可解释地使用 AI"的软件工程 / SRE 工程师
（对齐 Purdue University 的 AI Working Competency）
🧠 Phase 0：AI 工程认知（第 1--2 周）
🎯 目标
建立 AI ≠ 普通服务 的工程认知，理解其不确定性与风险。
📘 学习清单
-
理解基础概念（不追数学）
- AI / ML / LLM 的区别
- 训练 vs 推理（Training vs Inference）
- Token / Context Window
- Hallucination（幻觉）
- RAG（Retrieval-Augmented Generation）
- Prompting vs Fine-tuning
-
学习资源
- Andrew Ng《AI for Everyone》（只看"能做什么 / 不能做什么"）
- OpenAI 官方文档：LLM Basics & Limitations
🛠 行动任务（必须完成）
- 撰写文档：
《AI 服务 vs 传统微服务的工程差异》- 不确定性
- 可测试性
- 失败模式
- 人类兜底点
📦 阶段产出
-
AI_for_Software_Engineers.md
💬 Phase 1：LLM 工具 & Prompt 工程（第 3--8 周）
🎯 目标
让 Prompt 像接口定义一样稳定、可复用、可解释。
📘 学习清单
-
Prompt 工程核心模式
- Role Prompt
- Few-shot Prompt
- 输出格式约束（JSON / YAML）
- Failure Case 说明
-
学习资源
- OpenAI Prompt Engineering 官方指南
- DeepLearning.AI《Prompt Engineering for Developers》
🛠 行动任务（关键）
-
总结 3 类工程 Prompt 模板
- 分析型（Analysis）
- 生成型（Generate）
- 校验型（Critic / Review）
-
真实工程场景 Prompt 实验（至少 3 个）
- 代码解释 / 重构
- 日志 / 错误分析
- 设计文档初稿
-
对每个场景：
- 编写 2--3 版 Prompt
- 对比输出差异
- 总结优劣原因
📦 阶段产出
-
prompt_patterns_for_engineers.md - Prompt A/B 对比实验记录
💻 Phase 2：AI + 软件工程实践（第 2--4 个月）
🎯 目标
将 AI 真正引入代码仓库，成为工程系统的一部分。
📘 学习清单
-
掌握 LLM API 工程基础（推荐 Python）
- API 调用
- Timeout / Retry
- 错误处理
- 成本控制
- 输出 JSON Schema 校验
-
LangChain（只学 20%）
- PromptTemplate
- Output Parser
- Simple Chain
🛠 行动项目（必做）
🔨 项目 1：AI Code Review Bot（简化版）
-
输入：PR diff / 代码片段
-
输出（结构化 JSON）：
- 风险点
- 可读性建议
- 潜在 bug（非保证）
-
工程要求
- Prompt 模板清晰
- 输出可校验
- 明确人类最终决策
📦 阶段产出
- GitHub 项目仓库
- README，说明：
- AI 用在哪里
- 为什么不能全自动
- 已知失败模式
⚙️ Phase 3：AI + SRE / 生产系统（第 4--6 个月）
🎯 目标
用 SRE 思维管理 AI 系统的不确定性。
📘 学习清单
-
SRE 核心概念
- SLI / SLO
- Incident Response
- Postmortem
（推荐：Google SRE Book 选读）
-
AI 特有风险
- Prompt Injection
- 数据泄露
- 过度信任 AI
- AI 输出错误是否算事故？
🛠 行动项目（进阶）
🔨 项目 2：AI Incident Assistant
-
输入：
- Incident timeline
- Logs / Metrics
-
输出：
- 潜在根因（建议）
- 影响评估
- Postmortem 草稿
-
明确声明：
- AI 不做最终判断
- 人类责任边界
📦 阶段产出
- AI + SRE 设计文档
- 风险分析 & Failure Modes 章节
🔄 Phase 4：持续学习 & 决策能力（长期）
🎯 目标
持续具备 AI-ready 工程师 的判断力与适应能力。
📘 长期清单
-
订阅资源（选 2--3 个即可）
- DeepLearning.AI Newsletter
- OpenAI / Anthropic 官方博客
- Hacker News（只看标题）
-
每季度一次 AI 工程评估
- 是否值得迁移新模型？
- 成本 / 延迟 / 稳定性变化？
- 风险是否可控？
📦 长期能力资产
- Prompt 模板库
- AI 工程设计文档
- AI + SRE 项目经验
- 清晰的 AI 决策沟通能力
🎓 最终能力总结（对齐 Purdue AI Working Competency）
- ✅ 理解并使用 AI（工程级）
- ✅ 清晰识别并沟通 AI 决策
- ✅ 在生产环境中安全使用 AI
- ✅ 持续适应 AI 技术演进