AISA 深度学习实验室：金融零售 × Web3（8 周）

周期：2026-08-24 ～ 2026-10-18
状态：当前学习主线
实验标本：AML 调查 Copilot
目标：理解原理、建立模型、亲手实验、分析失败、形成长期记忆
非目标：求职、投递、简历、职位匹配、个人品牌、作品集包装或 offer 转化

---

1. 核心学习问题

如何在高风险金融与链上场景中，设计一个可理解、可验证、可控制、可演进的 AI 系统？

AML Copilot 是贯穿八周的实验标本，现有代码是实验仪器。只有在验证学习假设时才修改代码；不要求公开部署，也不以展示效果判断是否掌握。

学习循环统一为：

问题 → 闭卷前测 → 原理学习 → 建模/实验 → 反例与失败 → 纠错 → 间隔复习 → 跨域迁移

当前项目已有大量笔记，下一阶段不再追求覆盖更多主题，而是缩短“写过、看过”和“能解释、能实现、能证伪”之间的距离。

---

2. 周度验收模型

每周五个维度各评 0～2 分：

每周总分达到 8/10 且任何维度不为 0，才进入下一周。未过关时延长学习，不为赶日期跳过。

---

3. 八周学习主线

Week 1（08-24 ～ 08-30）：AI 系统认知与边界

核心问题

• 模型、工作流、数据和控制分别解决什么问题？
• rule engine、workflow、RAG、copilot、agent 的边界是什么？
• 当前三个 AI 页面真实实现了什么，哪些是教学模拟？

理论学习

• deterministic / statistical / generative 系统。
• LLM、structured output、tool calling、agent loop 与 human decision。
• C4、数据流、决策流、状态机和质量属性。
• runtime、依赖、lockfile、数据版本与随机性对实验的影响。

实验 / 建模

• 从代码反向重建 AML Copilot、Agent Arch Lab、Agent Platform 的系统边界。
• 把 12 个代表性任务分类为规则、检索、模型、LLM 或人工决策。
• 建一张 rule/workflow/RAG/copilot/agent 对比表，并为每类写一个反例。
• 固定本地 test/typecheck/build 基线，记录环境失败及其原因。

笔记产出

• 《AI 系统不是模型：当前项目系统边界图》。
• 10 张概念卡与一份初始误区清单。

Gate U1

• 闭卷重画 AML Copilot 系统图。
• 正确分类至少 10/12 个任务，并说明 3 个 no-AI 场景。
• 10 道自测题正确率达到 80%。

Week 2（08-31 ～ 09-06）：AML 领域与决策建模

核心问题

• AML 判断依据来自哪里？
• observation、inference、recommendation、decision 如何分离？
• 链上地址、钱包与真实客户身份是什么关系？

理论学习

• KYC → transaction monitoring → alert → case → SAR → review/audit。
• structuring、layering、money mule 与正常业务边界。
• BPMN、DMN、DDD bounded context、event storming 和统一语言。
• EVM account、跨链路径、地址聚类与链上证据局限。

实验 / 建模

• 画 AML AS-IS/TO-BE BPMN 和异常路径矩阵。
• 建 DMN 决策表，明确事实、推断、建议和最终决策的 owner。
• 划分 KYC、监控、调查、报告、链上分析五个 bounded context。
• 用一个链上资金流案例完成 alert → case → evidence → review 映射。

笔记产出

• 《AML × 链上资金流领域模型》。
• 术语表、决策表和证据分类表。

Gate U2

• 对陌生案例区分 observation/inference/decision。
• 能指出所需证据、人工权限和审计字段。
• BPMN、DMN 与领域模型的命名一致。

Week 3（09-07 ～ 09-13）：AI 方案模式与复杂度边界

核心问题

• 什么时候用 workflow、RAG、copilot 或 tool agent？
• 更复杂的方案何时只会增加失败面？
• 自治等级和 HITL 应如何设计？

理论学习

• source-bound generation、tool use、memory、context 和 fallback。
• autonomy level、approval、abstention、stop rule。
• DDD application service、state machine 与 agent loop 的关系。

实验 / 建模

• 用同一调查任务比较规则模板、检索模板、RAG Copilot、受限 Agent。
• 为四种模式记录质量、可解释性、延迟、控制成本和失效方式。
• 设计三种 no-AI / workflow-only 场景。
• 写 ADR：选择最小充分方案，而不是默认使用 agent。

笔记产出

• 《四种 AI 模式比较实验》。
• 一份 autonomy/HITL 状态图和 ADR。

Gate U3

• 为三个新场景选择最小充分方案。
• 能解释为什么拒绝更复杂的方案。
• 能说明 memory、context、state 和 audit log 的区别。

Week 4（09-14 ～ 09-20）：数据、RAG 与知识边界

核心问题

• 检索结果为何会相关但不可信，或者根本不该被当前用户看见？
• BM25、embedding、hybrid、rerank 分别解决什么问题？
• 权限与 freshness 为什么必须进入检索链路？

理论学习

• data contract、lineage、label provenance、PII 与 freshness。
• sparse/dense retrieval、cosine similarity、RRF、reranking。
• chunking、metadata、Recall@K、MRR、nDCG、citation validity。
• ACL pre-filter 与 post-filter 的风险差异。

实验 / 建模

• 用现有 RAG 模块做 BM25、dense、hybrid、rerank 小规模对照。
• 设计 relevance、permission、freshness 三组 query。
• 加入 AML 类型学、链上地址风险和跨链异常语料。
• 从 ingestion/query/auth/generation 四层记录失败原因。

笔记产出

• 《RAG 失效地图》。
• Data Readiness 学习版与检索实验日志。

Gate U4

• 能从零解释 RRF 和至少两个检索指标。
• 能诊断五类检索失败，并说明何时不需要向量检索。
• 能解释为什么授权应在检索前生效。

Week 5（09-21 ～ 09-27）：Eval 科学与不确定性

核心问题

• 怎样知道系统真的更好，而不是只得到好看的平均分？
• 人工标签、规则 grader 与 LLM judge 各有什么偏差？
• 高风险错误为什么不能被总体 accuracy 掩盖？

理论学习

• base rate、confusion matrix、precision、recall、FPR/FNR、PPV。
• calibration、abstention、Cohen's κ、bootstrap CI、slice analysis。
• 数据泄漏、标签分歧、rubric 先验和 judge bias。

实验 / 建模

• 手算 confusion matrix 与 κ，再和代码结果对照。
• 人工标注 20～30 个现有案例，补正常业务、证据冲突和 Web3 hard cases。
• 改变阈值，观察漏报、误报、人工复核量的变化。
• 比较规则、人工与自动 grader 的分歧。

笔记产出

• 《AML Eval Protocol》。
• Error Atlas 与指标选择说明。

Gate U5

• 能手算关键指标与 κ。
• 能解释高 accuracy 为何可能没有意义。
• 能为陌生需求设计 grader、threshold 和 slice。

Week 6（09-28 ～ 10-04）：运行时、可靠性与可观测性

核心问题

• AI 系统如何失败，失败怎样传播到业务结果？
• retry、timeout、fallback、circuit breaker 与 stop 应如何配合？
• 失败、慢、贵和答错分别如何观测？

理论学习

• idempotency、checkpoint、retry budget、circuit breaker、fail-open/closed。
• SLI/SLO、error budget、p50/p95/p99。
• trace/span/event/metric/log 与 cost-per-task。

实验 / 建模

• 注入 tool failure、timeout、invalid citation、context pollution。
• 画 failure propagation tree 和 trace map。
• 比较 retry、fallback、stop 对质量、延迟和成本的影响。
• 做一次本地 game day，保留意外结果。

笔记产出

• 《从模型错误到业务影响》。
• 三个可靠性 ADR 与 game-day 学习记录。

Gate U6

• 对陌生故障选择 retry/fallback/stop 并解释取舍。
• 闭卷追踪依赖故障到用户、审计和业务影响。
• 能说明 tail latency 与平均延迟的差别。

Week 7（10-05 ～ 10-11）：安全、MCP 与治理

核心问题

• 谁能让 agent 做什么，出了问题谁负责？
• prompt injection 为什么不能只靠提示词解决？
• identity、authentication、authorization、policy 和 approval 如何分层？

理论学习

• threat modeling、trust boundary、least privilege、confused deputy。
• prompt/tool/data supply-chain attack 与 data exfiltration。
• MCP 的 discover/list/call、schema、transport 与授权边界。
• PII minimization、retention、HITL、RACI 和 auditability。

实验 / 建模

• 建威胁模型和 20 个 red-team case。
• 比较 scope、deny-by-default、approval、output validation 的单独与组合效果。
• 运行本地 MCP 最小 server/client，测试非法 schema、无权限和重放。
• 对比 AML reviewer 权限与 Web3 wallet/tool approval。

笔记产出

• Threat-Control-Residual Risk 矩阵。
• MCP 序列图与桌面事故复盘。

Gate U7

• 对未知攻击给出资产、边界、路径、控制、恢复和 owner。
• 能解释 confused deputy 的完整链路。
• 能说明每项缓解措施没有解决什么。

Week 8（10-12 ～ 10-18）：综合迁移与长期记忆

核心问题

• 这套理解能否迁移到 AML 以外？
• 哪些实验改变了最初判断？
• 哪些知识已经掌握，哪些仍只是熟悉？

理论学习

• ATAM、架构 trade-off、演进式设计与跨域类比。
• retrieval practice、interleaving、elaboration、Feynman technique。
• 事实、推断、假设、模拟结果和真实结果的认识论边界。

综合实验

• 闭卷处理一个陌生场景：支付争议、APP scam 或链上钱包风险。
• 在 90 分钟内完成流程、决策、C4、数据、eval、安全和 SLO。
• 与 AML 方案对照，找出可迁移模式和不可迁移约束。
• 选择三个最难主题做 15 分钟 teach-back。
• 建知识图谱，把概念连接到实验、失败、ADR、代码和旧笔记。

笔记产出

• 《受监管 AI 系统架构总论》。
• 知识图谱、误区清单和下一阶段问题树。

Gate U8

• 90 分钟陌生案例综合题达到 8/10。
• 三次 teach-back 能回答反例与边界问题。
• 72 小时后延迟回忆达到 80%。
• 能明确列出仍不会、仍不确定和下一步要验证的内容。

---

4. 56 天执行系统

本文件定义为什么学、八周学什么和如何验收；逐日执行以以下文件为准：

Day 按自然日连续编号，避免把“40 个核心学习日”和“56 个自然日”混为一谈：

W1 D01-D07   W2 D08-D14   W3 D15-D21   W4 D22-D28
W5 D29-D35   W6 D36-D42   W7 D43-D49   W8 D50-D56

周五 Gate 初测、周六 teach-back/补救、周日休息或 20 分钟轻回忆也有独立 Day。Gate 未通过时允许顺延，不为了保持 56 天形式跳过补学。

---

5. 每周与每日节奏

每周

• 周一：核心理论与闭卷前测。
• 周二：领域或架构建模。
• 周三：带假设的实验。
• 周四：反例、失败模式和替代方案。
• 周五：综合笔记与闭卷 Gate。
• 周六：teach-back、错题整理和 R1 复习。
• 周日：休息或 20 分钟轻量回忆。

每天 3～4 小时

每周只新增三类内容：一篇综合笔记、一份实验记录、一组错题/概念卡。避免重新追求每日大量产出。

---

6. 学习笔记模板

# Week X：[核心问题]

## 1. 学习前的判断
- 我原来如何理解？
- 哪些是事实，哪些是假设？

## 2. 闭卷概念图
- 先凭记忆画，再查资料修正

## 3. 三个核心原理
- 原理
- 适用条件
- 失效条件与反例

## 4. 实验 / 建模
- 假设
- 自变量 / 控制变量
- 方法与实现
- 结果
- 意外、失败与局限

## 5. 架构取舍
- 方案 A / B / C
- 为什么选或不选

## 6. 与金融零售 / Web3 的连接

## 7. 纠正的误解与仍不确定的问题

## 8. 十道闭卷题

## 9. 复习记录
- R1：+1 天
- R2：+7 天
- R3：+30 天

---

7. 现有资产复用

---

8. 明确不做什么

• 不做求职投递、岗位能力矩阵、简历、个人品牌或 offer 计划。
• 不以首页包装、公开宣传或笔记数量判断学习是否完成。
• 不同时启动第二个 capstone。
• 不为了追日期跳过闭卷自测、失败记录和间隔复习。
• 不把生成文档、模拟结果、通过测试和真实理解混为一谈。
• 不重写或删除旧计划；只在索引中标明当前是否执行。
• 不追逐所有新框架；新资料必须回答当前核心问题。

---

9. 八周完成标准

• 8 次周度闭卷自测与纠错复盘。
• 8 个可复现的小实验或架构建模练习。
• 1 个从流程、决策、数据、AI 模式、eval、可靠性到安全的综合迁移实验。
• 1 张可从概念追到代码、实验、失败和 ADR 的知识图谱。
• 至少 3 次 teach-back，以及对应的反例和追问记录。
• R1/R2 复习完成率不低于 80%。
• 清楚列出仍不会、仍不确定和需要下一周期验证的内容。

完成的标准不是“看完”，而是“能解释、能建模、能实验、能证伪、能迁移，并在一段时间后仍能回忆”。

---

10. 下一阶段预告（不并行执行）

U8 与延迟复测通过后，进入 AI Model Engineering 90。该阶段不再重复 RAG、Agent 和治理主线，而是用 90 天补齐模型原理、训练、后训练、推理、多模态与非 LLM 决策实验。若 U8 未通过，先补学，本计划与下一阶段日期整体顺延。