学习资产治理系统
- 保留历史：旧计划、旧笔记、旧代码、旧模板默认保留；它们记录学习意图、认知演进和未来任务池。
学习资产治理与复习系统
目标：把 Web3、金融零售、架构、AI、BA、PM 等长期学习内容治理成可检索、可复习、可复用、可证明的职业资产。 前提：不要大幅改动过去的内容，可以优化，但不要删内容，很多还没学。
1. 核心原则
- 保留历史：旧计划、旧笔记、旧代码、旧模板默认保留；它们记录学习意图、认知演进和未来任务池。
- 增量优化：新增方向时优先新增文档、索引、复习路径、交叉链接和当前版本说明。
- 标注时效：不要简单判断“有用/没用”，而要标明它现在应该如何被使用。
- 不删未学内容：未学内容是后续补课、复习、Capstone 和作品集转换的素材库。
历史内容的默认动作是“追加说明”，不是“替换原文”。
推荐时效标签：
Evergreen：长期有效，如 AMM、DDD、需求分析、架构原则。Needs Review：需要复核，如工具教程、协议数据、模型能力、监管变化。Outdated but Useful：事实可能过时，但适合做历史对比和认知演进证据。Current Practice：当前正在采用的实践。Portfolio Evidence：已经可以作为作品集证据。
2. 资产分层
| 层级 | 用途 | 治理动作 |
|---|---|---|
| 原始计划 | 保存学习路径、阶段目标和未学任务池 | 保留原文，在索引中标状态 |
| 学习笔记 | 沉淀概念、案例、方法和面试表达 | 补标签、补案例、补复习提示 |
| 实战代码 | 证明能做，而不只是学过 | 关联业务问题、截图、测试和 Demo |
| 模板 | 稳定 PRD、BRD、流程、架构、eval 输出 | 单独保存，实践后反向更新 |
| Capstone | 跨主题综合项目 | 建资产清单，连接计划、笔记、代码和证据 |
| 作品集证据 | 对外证明能力 | 精选展示，写明证明哪项能力 |
分层判断标准：
- 原始计划回答“为什么这样学”。
- 学习笔记回答“学到了什么，如何表达”。
- 实战代码回答“能交付什么”。
- 模板回答“下次如何更稳地交付”。
- Capstone 回答“如何解决复杂业务问题”。
- 作品集证据回答“凭什么相信你能胜任岗位”。
3. 更新策略
更新旧内容时采用 add-only 优先策略。
- Add-only：优先新增更新说明、复习备注、新版本链接、对比表和当前实践说明。
- Annotate：对旧内容追加注释，解释它现在如何继续使用。
- Version：关键资产保留
v0.1、v0.5、v1.0、v1.1等演进记录。 - Cross-link：连接所属计划、相关笔记、代码、模板、Capstone 和作品集证据。
- Archive-by-index but not delete：通过索引标注历史版本、未完成、暂不执行，而不是删除文件。
推荐注释格式：
> 更新说明（2026-06）：该工具生态已有变化，但本节仍适合理解早期设计逻辑。
> 复习提示：可与 ABPA 的需求澄清、流程建模、AI eval 设计结合复习。
只有错别字、坏链接、格式损坏等低风险问题，才直接修改原文。
4. 月度复盘流程
月度复盘目标：把过去 30 天的输入转成未来可继续使用的资产。
建议每月 2 到 3 小时，按以下顺序执行：
- 收集本月新增或更新的笔记、代码、模板、案例分析、面试答案、Capstone 材料和外部资料。
- 标注状态：
Draft、Review Needed、Reusable、Portfolio Candidate、Evidence Ready。 - 建立复习队列：7 天内复习、30 天复习、90 天复习。
- 选择 1 到 2 个作品集候选，不追求多，只追求能证明能力。
- 输出月度资产日志，为季度校准提供输入。
月度资产日志建议包含：
- 本月新增资产。
- 最有价值的 3 个学习点。
- 可转作品集的 1 到 2 个证据。
- 下月复习主题。
- 当前能力缺口。
复盘时不要重写旧文档，先补状态、链接和复习提示。
5. 季度能力校准流程
季度校准目标：判断能力是否真的变强，而不是只统计学了多少。
按目标岗位倒推证据：
- Web3 PM：DeFi、Tokenomics、增长、治理、链上数据是否有可展示资产。
- AI BA：需求澄清、流程分析、AI eval、风险治理是否有案例。
- Architect：业务架构、系统架构、集成设计、质量属性取舍是否有图和 ADR。
- Financial Retail：支付、清结算、KYC、AML、风控、运营流程是否能产品化表达。
证据盘点表：
| 能力 | 最强证据 | 当前问题 | 下季度动作 |
|---|---|---|---|
| BA | BRD / 流程图 / 用户故事 | 缺 AI eval 连接 | 用 AML Copilot 补齐 |
| PM | PRD / Dashboard / 增长方案 | 缺验证指标 | 补指标和实验设计 |
| Architect | C4 / ADR / NFR | 缺成本取舍 | 补方案对比 |
季度调整只做三件事：
- 新增下季度重点。
- 给旧计划添加当前优先级。
- 将暂不执行内容标注为保留。
新增 LLM、AI Agent、AML Copilot 等方向时，应作为新模块接入，不覆盖旧 Web3 或架构资产。
6. 旧内容再利用方式
6.1 Web3
Web3 旧内容继续用于 DeFi 机制分析、Tokenomics 设计、链上数据 Dashboard、DAO 治理、账户抽象 UX、RWA 产品与合规方案。
转化方式：
- 学习笔记 -> 面试答案和产品分析文章。
- 协议分析 -> 竞品对比和 PM 观点。
- Dune 查询 -> Dashboard 证据。
- 合约阅读 -> 风险分析和安全需求。
6.2 金融零售
金融零售经验是差异化资产，重点保留 KYC、支付、清结算、账务、信贷、风控、AML、反欺诈、客户运营等内容。
转化方式：
- KYC / 开户流程 -> 用户旅程和合规需求。
- 支付 / 清结算 -> 系统上下文和账务边界。
- 风控 / AML -> eval cases 和风险场景库。
- 运营流程 -> AI Copilot 任务和人工复核流程。
6.3 架构
架构笔记适合转成高阶作品集证据。
可复用到：
- DDD 和领域建模。
- 业务能力地图。
- C4 系统上下文图。
- 微服务边界和集成方案。
- 事件驱动、数据一致性、安全合规和可观测性设计。
6.4 LLM
LLM 学习不要孤立做工具收藏，应连接旧业务资产。
转化方式：
- 旧业务流程 -> Agent workflow。
- 旧需求文档 -> 需求澄清训练材料。
- 旧风控案例 -> eval 数据集。
- 旧架构笔记 -> LLM 系统边界、权限、监控和 fallback 设计。
6.5 AML Copilot
AML Copilot 适合作为综合 Capstone，因为它连接金融零售、BA、AI 产品、LLM eval、架构治理和合规风险。
可复用旧资产：
- KYC / AML / 反欺诈笔记。
- 金融零售业务流程。
- 架构 120 天中的治理、集成和安全内容。
- ABPA 中的问题定义、流程建模、eval、adoption 内容。
- Web3 中的链上地址风险和交易监控思路。
可产出证据：问题定义、用户旅程、告警处置流程、Copilot PRD、LLM eval matrix、系统架构图、风险控制清单和 Demo。
7. AI 时代能力雷达
| 能力 | 关注点 | 资产证据 |
|---|---|---|
| BA | 把模糊问题变成可执行需求 | Problem brief、Stakeholder map、流程图、业务规则、验收标准 |
| PM | 选择正确问题并推动产品结果 | PRD、指标体系、用户分层、增长实验、Roadmap、竞品分析 |
| Architect | 把业务目标转成可演进系统 | C4、领域模型、ADR、集成方案、权限模型、NFR |
| AI Engineering | 让 AI 功能可用、可测、可控 | Prompt 版本、RAG 设计、Tool calling、eval cases、guardrails |
| Domain Expert | 理解行业真实约束 | 金融业务地图、监管约束、风险场景、运营流程、客户旅程 |
使用方式：
- 每季度给五类能力打分，不用复杂量表，用强、中、弱即可。
- 找出“只有笔记，没有证据”的能力缺口。
- 每个 Capstone 至少连接两类能力。
- 面试前按能力雷达复习，而不是按文件夹盲目翻。
8. Spaced Repetition 与复习标签
重要资产使用简单复习标签。
R1：7 天内复习，确认是否理解。R2：30 天内复习，训练表达。R3：90 天内复习，连接案例和 Capstone。R4：面试或作品集前复习，提炼证据叙事。
每次复习只做四件小事：
- 用 3 句话复述核心观点。
- 增加 1 个真实案例。
- 补 1 个与当前计划的链接。
- 判断是否可转为作品集证据。
复习的目标是提升可表达性和可迁移性，不是把全文重写一遍。
9. Capstone 复用机制
每个 Capstone 建议包含七类材料：
Problem Brief：问题定义。Domain Notes：领域知识。Process Model：业务流程。Product Spec：产品方案。Architecture：系统设计。Evaluation：验证与指标。Portfolio Story：展示叙事。
旧内容进入 Capstone 的方式：
- 原始计划提供学习路径。
- 笔记提供概念与案例。
- 代码提供可运行证据。
- 模板提供输出结构。
- 架构资产提供系统设计。
- 金融经验提供业务真实性。
- AI 资产提供新能力证明。
10. 作品集转换流程
作品集转换分四步。
- 选择证据：优先选择 Web3 + PM、金融 + AI、BA + 架构、LLM + 风控、数据分析 + 产品决策等复合资产。
- 补齐叙事：说明背景、问题、角色、分析、方案、验证和下一步。
- 补齐证据：保留截图、图表、查询、代码链接、流程图、架构图、决策表和 eval 结果。
- 降低噪音：展示入口只放 3 到 5 个强案例，其余历史材料继续保留在仓库。
作品集不是“我学过什么”，而是“我能交付什么，以及为什么这样交付”。
11. 反模式清单
- 大扫除式重写：会破坏历史上下文、丢失未完成线索；替代做法是新增索引、更新说明和复习路径。
- 删掉未学内容：会删除未来任务池；替代做法是标注未学、降低优先级、放入复习池。
- 只追热点：会让资产碎片化；替代做法是用能力雷达过滤热点，每个热点至少连接一个能力方向。
- 没有证据：会导致笔记很多但无法求职展示；替代做法是月度选作品集候选，季度做证据盘点。
- 把工具当能力：会只会列模型、框架和协议；替代做法是绑定业务问题、取舍说明和验证方式。
12. 最小可执行清单
每次新增学习资产：
- 标注方向：Web3 / 架构 / AI / BA / PM / 金融零售。
- 标注资产类型：计划 / 笔记 / 代码 / 模板 / Capstone / 作品集证据。
- 标注状态：Draft / Review Needed / Reusable / Portfolio Candidate / Evidence Ready。
- 添加至少 1 个可复用场景。
每周：
- 复习 1 篇旧笔记。
- 补 3 句话总结。
- 添加 1 个当前计划链接。
- 判断是否进入 Capstone 或作品集候选。
每月：
- 做一次资产清单。
- 选出 3 个高价值复习主题。
- 选出 1 个作品集候选。
- 记录 1 个能力缺口。
每季度：
- 用 AI 时代能力雷达校准一次。
- 盘点 BA、PM、Architect、AI Engineering、Domain Expert 五类证据。
- 选择一个 Capstone 主题。
- 将至少一个旧资产转成新输出。
永远不要做：
- 不要删除未学完内容。
- 不要用新计划覆盖旧计划。
- 不要为了整洁牺牲历史上下文。
- 不要只收藏资料不形成证据。
- 不要把热点学习和职业目标脱节。
最终判断标准：旧内容没有被浪费，新内容能接到长期能力地图，学习成果能转成作品集证据。