AISA 深度学习实验室

写出五个核心问题；凭记忆画业务、数据、模型、工具、控制、运行、复习七层图。

app/aml-copilot/page.tsx、app/agent-arch-lab/page.tsx、app/agent-platform/page.tsx。

沿三个页面的 import 链逆向阅读，建立仓库知识地图；把发现分成事实、推断、未知。

W1 综合笔记 §1、初始误区表、3 张“系统不等于模型”概念卡。

把 12 个代表性任务分类并写理由。

src/aml/typology.ts、src/agent/rag/hybridSearch.ts、src/agent/loop.ts。

用输入、状态、决策权、失败面、审计五维建立对比表；每类写一个反例；设计 3 个 no-AI 场景。

W1 综合笔记 §2、5 张边界卡、错分任务记录。

画 AML Copilot 的 Context/Container 草图。

三个页面源码、docs/AI_ARCHITECTURE_VIEWS_C4_ARC42_42010_PLAYBOOK.md。

逆向重建三个页面的 C4、数据流和决策 owner；标注真实实现、教学模拟和未知。

三张图及索引、3 张 data/decision/state 辨析卡。

列出至少 8 个可能改变结果的环境变量。

package.json、pnpm-lock.yaml、docs/daily/AISA-NEXT-DAY0-PROJECT-AUDIT-LEARNING-PLAN.md。

记录 Node/pnpm/commit/lockfile；运行 typecheck、test、build；保存命令、耗时、成功和失败分类。

W1 环境实验日志、环境契约卡、ENV-001 等阻塞记录。

30 分钟完成 U1 十题、重画 AML 图、重新分类 12 个任务。

只在完成前测后查看本周笔记和源码。

标记真实/模拟/未知；完成 3 个 no-AI 判断；按五维执行 U1 Gate。

W1 综合笔记初稿、U1 Gate 初测、错题卡。

15 分钟口述，并回答“去掉 LLM 后系统还剩什么”。

只查 U1 错题对应的最小资料。

接受 3 个反例追问；针对最弱维度补一个实验或重画一图；必要时重测 Gate。

teach-back 追问记录、5 张弱项卡、U1 最终决定。

写五种系统形态并画 AML 图骨架。

不新增资料。

最多 20 分钟；核对后只纠正影响最大的 3 个错误。

3 张弱项卡、一个连接 Week 2 的问题。

排列 KYC、监控、alert、case、调查、SAR、review、audit。

docs/AML_COPILOT_PRD.md、docs/AI_AML_ALERT_TRIAGE_INVESTIGATION_WORKBENCH_PLAYBOOK.md、src/aml/types.ts。

从现有类型和页面反向画生命周期；建立中英文统一语言及 owner。

W2 综合笔记 §1、术语表、10 张统一语言卡。

对 10 句话分类并标出依据。

src/aml/sarDraft.ts、src/aml/hitl.ts、docs/AML_GOVERNANCE_MAP.md。

把一个案例拆成事实、推断、建议、决定和未知；制造 3 个证据冲突反例。

证据分类表、5 张边界卡、W2 综合笔记 §2。

画 alert→case→review 主路径。

docs/AI_BUSINESS_PROCESS_REENGINEERING_BPMN_DMN_PLAYBOOK.md、docs/abpa/templates/03-bpmn-pain-metrics.md。

画 AS-IS/TO-BE BPMN；建立缺证、冲突、超时、退回、重开异常矩阵。

两张 BPMN、异常矩阵、3 张 BPMN 规则卡。

列出 KYC、监控、调查、报告、链上分析的边界。

docs/arch/day9-ddd-strategic-design-advanced.md、docs/arch/day11-financial-domain-modeling.md、src/aml/typology.ts。

划分五个 bounded context；画 context map；分析地址、钱包、账户、客户为何不能等同。

上下文图、5 张身份边界卡、W2 综合笔记 §3。

用陌生 AML/链上案例在 30 分钟内建模。

docs/AI_FINANCIAL_CRIME_TYPOLOGY_SCENARIO_COVERAGE_PLAYBOOK.md、docs/finance-design/03-risk-engine/adr/ADR-003-决策编排模式.md。

建立 DMN 决策表和 alert→case→evidence→review 映射；执行 U2 Gate。

《AML × 链上资金流领域模型》初稿、U2 错题。

10 分钟口述案例，并接受连续“为什么”追问。

只补 U2 错题来源。

交换两个边界案例；重做最差的一项模型；必要时重测 U2。

追问记录、5 张纠错卡、U2 最终决定。

写生命周期、五个上下文和四层判断。

不新增资料。

最多 20 分钟，核对后纠正 3 个错误。

3 张弱项卡。

为 5 个任务选择 rule/template/RAG/copilot/agent。

docs/AGENTIC_RAG_2026.md、src/agent/loop.ts、src/agent/orchestrator/orchestratorAgent.ts。

定义同一 AML 任务的四种实现契约，固定输入、期望输出和限制。

W3 综合笔记 §1、5 张模式选择卡。

画请求到完成/拒绝/升级的状态图。

src/aml/hitl.ts、src/agent/platform/sessionRuntime.ts、docs/AI_CONTEXT_ENGINEERING_PLAYBOOK.md。

画 autonomy/HITL 状态图；为读、写、外部调用设置不同审批点。

状态图、5 张状态与权限卡、W3 综合笔记 §2。

写实验假设、自变量、控制变量和度量。

src/aml/generator.ts、src/agent/rag/hybridSearch.ts、src/agent/loop.ts。

以同一 fixture 比较规则模板、检索模板、RAG Copilot、受限 Agent；记录质量、延迟、控制成本和失败。

W3 对照实验日志、预测/结果差异表。

区分 memory、context、state、audit log 的 8 个例子。

src/agent/memory/contextBuilder.ts、src/agent/durable/checkpointMachine.ts、src/aml/auditTrail.ts。

建立 failure-surface 表；制造一个 context pollution 反例；再设计 3 个 no-AI/workflow-only 场景。

四概念辨析卡、5 张失败卡、W3 综合笔记 §3。

三个陌生场景限时选型。

docs/AI_QUALITY_ATTRIBUTES_ATAM_TRADEOFF_PLAYBOOK.md、本周实验结果。

写 ADR，包含备选、拒绝理由、残余风险和升级条件；执行 U3 Gate。

《四种 AI 模式比较实验》、最小充分方案 ADR、U3 错题。

15 分钟无稿讲解 ADR。

只补 U3 错题。

用支付、客服、钱包风险场景挑战 ADR；修订升级条件；必要时重测。

5 张追问卡、ADR 修订记录、U3 最终决定。

画选择树，并重新定义 memory/context/state/audit。

不新增资料。

最多 20 分钟；交错复习 AML 决策层级。

3 张弱项卡。

列出 data contract 必须回答的 10 个问题。

docs/AI_DATA_PRODUCT_MANAGEMENT_PLAYBOOK.md、src/agent/rag/loadEmbeddings.ts、public/agent-embeddings.meta.json。

为 AML 类型学和链上风险材料建立数据契约；画 ingestion lineage；明确 owner、版本、权限、时效和删除规则。

W4 综合笔记 §1、数据契约、5 张数据质量卡。

解释四者并手排一个查询结果。

src/agent/rag/bm25Search.ts、src/agent/rag/vectorSearch.ts、src/agent/rag/rerank.ts。

手算 cosine/RRF 小例子；从源码重建 bm25→hybrid→rerank 路径。

W4 综合笔记 §2、5 张公式/边界卡。

预测 relevance 查询的赢家与失败原因。

src/agent/eval/retrievalGolden.ts、src/agent/eval/runRetrievalEval.ts、src/agent/__tests__/eval/retrievalEval.test.ts。

建立小型查询集；运行 BM25/dense/hybrid/rerank 对照；保存排名、指标和延迟。

W4 检索实验日志、预测/实际差异表。

对 8 个场景判断 ACL pre-filter 或 post-filter。

docs/AI_RETRIEVAL_EVAL_GRAPH_RAG_PLAYBOOK.md、src/agent/rag/hybridSearch.ts、src/agent/knowledge/tools/searchNotes.ts。

给 fixture 增加 permission/freshness metadata；做最小 pre-filter 实验；模拟越权、过期和错误 metadata。

permission-aware 数据流、RAG 四层失败表、8 张失败卡。

诊断五个陌生失败案例；解释 Recall@K、MRR 或 nDCG 中至少两个。

docs/ai-foundations/papers/13-rag-evaluation-ragas-retrieval-metrics.md、本周实验。

完成 ingestion/query/auth/generation 失效地图；执行 U4 Gate。

《RAG 失效地图》、Data Readiness 学习版、U4 错题。

15 分钟 teach-back。

只补 U4 错题。

接受 3 个攻击性查询；修订数据契约或失败地图；必要时重测。

5 张追问卡、U4 最终决定。

写 ingestion→auth→query→rerank→generation，并手算一次 RRF。

不新增资料。

最多 20 分钟，只纠正 3 个弱项。

3 张弱项卡。

手算一个低基率案例的 confusion matrix。

src/aml/confusionMatrix.ts、src/aml/evalBaseline.ts、docs/AI_REQUIREMENTS_TO_EVAL_COOKBOOK.md。

手算 precision、recall、FPR、FNR、PPV，再与代码结果对照；用业务损失解释差异。

W5 综合笔记 §1、8 张指标卡、手算原稿。

预测三个阈值下误报、漏报和人工复核量的变化。

src/aml/groundTruthEval.ts、src/aml/evalChecks.ts、docs/AI_UNCERTAINTY_CALIBRATION_CONFORMAL_PREDICTION_PLAYBOOK.md。

扫描多个阈值；记录 precision/recall/FPR/FNR/review load；明确 cost matrix。

W5 阈值实验日志、5 张校准/拒答卡。

独立标注 5 个冲突案例并写简要 rubric。

agent-evals/labels.example.json、src/agent/eval/cohensKappa.ts、docs/aipa/day18-human-sampling-protocol.md。

人工标注 20～30 条正常、证据冲突和 Web3 hard case；记录依据、信心与分歧；手算 κ。

标注规范、分歧记录、5 张 ground-truth 卡。

列出至少 6 种评估偏差。

src/agent/eval/stats.ts、src/agent/eval/cohensKappa.ts、docs/aipa/day17-judge-calibration.md。

比较 rule/human/automatic grader；按类型、证据冲突、链上场景切片；计算 CI 并分析分歧。

W5 综合笔记 §2、8 张偏差卡、slice 表。

为陌生需求写 grader、threshold、slice 和 stop rule。

docs/AI_EVALOPS_PLATFORM_ARCHITECTURE_PLAYBOOK.md、本周标签与实验。

完成 Eval Protocol、Error Atlas 和阈值说明；执行 U5 Gate。

《AML Eval Protocol》、Error Atlas、U5 错题。

口述一个“recall 上升但系统可能更差”的案例。

只补 U5 错题。

用反例挑战当前阈值；重做最弱计算；必要时重测 U5。

5 张追问卡、阈值修订记录、U5 最终决定。

20 分钟手算，并重判 5 条标签。

不新增资料。

核对后只修复最高影响的计算或概念错误。

3 张弱项卡。

分类 10 个瞬时、永久、业务和权限故障。

src/agent/runtime/resilience.ts、src/agent/__tests__/runtime/resilience.test.ts、docs/AI_OPERATIONAL_RESILIENCE_BCP_DEGRADED_MODE_PLAYBOOK.md。

运行 resilience 测试；为每类故障写 retry/no-retry、幂等条件、上限和停止规则。

W6 综合笔记 §1、6 张重试卡。

画 circuit breaker 三状态。

src/agent/runtime/cascade.ts、src/agent/durable/checkpointMachine.ts、docs/AI_INCIDENT_POSTMORTEM_RELIABILITY_PLAYBOOK.md。

为检索、模型、写入、外部工具分别画状态图；写 3 个可靠性 ADR。

W6 综合笔记 §2、6 张可靠性模式卡、3 个 ADR。

区分 trace/span/event/metric/log 的 10 个例子。

src/agent/trace/types.ts、src/agent/shared/cost.ts、docs/AI_OBSERVABILITY_COST_SLO_PLAYBOOK.md。

画 AML 调查 trace map；定义质量、延迟、成本、失败四类 SLI，并写窗口、阈值和 owner。

W6 综合笔记 §3、8 张观测信号卡、SLI/SLO 表。

预测 tool failure、timeout、invalid citation、context pollution 的传播路径。

src/agent/runtime/cascade.ts、src/agent/platform/sessionRuntime.ts、docs/AI_RUNTIME_EVIDENCE_OBSERVABILITY_ARCHITECTURE_PLAYBOOK.md。

建立最小 game-day harness；注入四类故障；比较 retry/fallback/stop 对质量、延迟和成本的影响。

W6 game-day 原始日志、failure propagation tree、4 张意外结果卡。

重建一棵依赖故障传播树，给出 continue/degrade/stop 决策。

本周实验和 ADR。

完成 failure tree、trace map、三 ADR；执行 U6 Gate。

《从模型错误到业务影响》、U6 错题。

15 分钟 incident teach-back。

只补 U6 错题。

接受三个约束变化；重做最弱故障决策；完成 game-day 复盘；必要时重测。

5 张追问卡、postmortem、U6 最终决定。

写 timeout→retry→breaker→fallback→stop，并解释何时跳过其中一步。

不新增资料。

最多 20 分钟；解释 p95/p99。

3 张弱项卡。

列资产、主体、入口、边界和攻击者。

docs/AI_THREAT_MODELING_RED_TEAM_PLAYBOOK.md、docs/AI_PLATFORM_SECURITY_GATEWAY_LAB.md、src/agent/mcp/server.ts。

为 AML Copilot 画 DFD/信任边界；建立 Threat-Control-Residual Risk 表骨架。

W7 综合笔记 §1、威胁模型、6 张威胁卡。

分类 10 个安全判断。

src/agent/mcp/auth.ts、src/agent/platform/policyEngine.ts、docs/AI_AGENT_IDENTITY_DELEGATED_AUTHORIZATION_PLAYBOOK.md。

设计 investigator/reviewer/system/tool 权限矩阵；运行正向与负向测试；验证 deny-by-default。

W7 综合笔记 §2、5 张安全分层卡、权限矩阵。

写 8 条攻击路径及目标资产。

src/agent/mcp/contextAudit.ts、src/agent/platform/toolGateway.ts、docs/daily/WEB3-SECURITY-2025-2026.md。

建立 20 条 red-team case；分别测试 scope、deny、approval、output validation 及组合效果。

W7 red-team 日志、8 张攻击链卡。

画 initialize→tools/list→tools/call 序列。

src/agent/mcp/server.ts、src/agent/mcp/toolRegistry.ts、docs/AI_AGENT_PROTOCOLS_MCP_A2A_PLAYBOOK.md。

使用 in-memory 测试或本地 server/client 完成合法、非法 schema、无权限、重放四类调用；记录沙箱限制。

MCP 序列图、协议实验日志、6 张协议/授权卡。

为一个攻击事故写 detection/containment/recovery/owner。

docs/abpa/templates/05-ai-control-pack.md、docs/abpa/templates/09-operating-model-raci.md、本周实验。

完成威胁矩阵、RACI、数据保留规则和桌面事故演练；执行 U7 Gate。

Threat-Control-Residual Risk 矩阵、事故复盘、U7 错题。

15 分钟无稿事故汇报。

docs/arch/day233-agent-wallet-architecture.md、只补 U7 错题。

加入钱包签名工具场景，比较 AML reviewer 与 wallet approval；修复最弱控制；必要时重测。

5 张事故追问卡、AML/Web3 权限对照、U7 最终决定。

随机选一个资产完成攻击树并重画 MCP 序列。

不新增资料。

最多 20 分钟，只修复三个弱项。

3 张弱项卡。

45 分钟画八周全景图，并分为会、熟悉、不会、不确定。

docs/AI_LONG_TERM_KNOWLEDGE_GRAPH_AND_REVIEW_SYSTEM.md、过去七周真实产出。

建立知识图谱 v1，把概念连接到代码、实验、失败、ADR 和卡片；查资料前保留原图。

W8 综合笔记 §1、知识图谱 v1、最终误区清单 v1。

为支付争议场景写 5 个质量属性场景。

docs/AI_QUALITY_ATTRIBUTES_ATAM_TRADEOFF_PLAYBOOK.md、docs/arch/day21-atam-review-practice.md、docs/AI_PAYMENT_DISPUTE_CHARGEBACK_CLAIMS_EVIDENCE_PLAYBOOK.md。

对 AML 方案做 mini-ATAM；找 3 个风险、3 个敏感点和 2 个权衡点。

W8 综合笔记 §2、ATAM 表、5 张 trade-off 卡。

先写假设、事实边界和最小问题树。

从 docs/AI_AUTHORIZED_PUSH_PAYMENT_SCAM_INTERVENTION_PLAYBOOK.md 与支付争议 playbook 中只选一个场景，不先读方案。

90 分钟完成流程、DMN/C4、数据、AI 模式、eval、安全和 SLO。

W8 综合实验 A、5 张迁移卡、原始限时答案。

列 AML→钱包风险的 10 个可迁移假设。

src/components/WalletAnalyzer.tsx、src/agent/portfolio/tools/getCrossBridgeStatus.ts、docs/arch/day233-agent-wallet-architecture.md。

建立 AML/支付/钱包三域迁移矩阵；生成 20 道延迟回忆题并完成初始基线。

W8 综合笔记 §3、5 张不可迁移卡、20 题初始答案。

抽取新场景，先列计划和 90 分钟时间预算。

只在完成限时题后定向查资料。

完成流程、决策、C4、数据、eval、可靠性、安全、SLO；执行 U8 初测。

《受监管 AI 系统架构总论》初稿、最终综合题、U8 错题。

每个主题无稿讲 5 分钟。

只查追问失败点。

完成三次 15 分钟 teach-back；补知识图谱、误区清单和问题树；重测 U8 弱项。

三次讲解记录、知识图谱 v2、最终问题树。

重做 D53 的 20 道题并重画八周全景图，不看答案。

完成复测后才查看 D53 基线和历史产出。

对照分数；完成最终五维评分、误区变化、知识图谱和下一阶段问题树。

最终回忆报告、U8 Gate、八周学习复盘。