本站遵循的原则 #
不追求 100%原创，但是追求 100%实践过
本站不是为了将一大堆链接综合到一起，而是为了将其纳入到自己的技能中来，方便未来的自己调用。因此：
- 不可避免的会有大量引用外部资料
- 会存在许多并非原创的内容
- 但是最终目的是提升自己，所以会将其用自己的话再说一遍
相比罗列了一大堆的资料，但是可能作者都没有完全看过的站点，本站力求认真阅读过每个资料并做好笔记，最后用自己的思维重新讲述一遍。
形成【记录-分析-改进】的优化循环
持续迭代自己处理问题的核心算法，维护一套工具箱。将自己日常使用的技术、工作方法、工具等统一记录，以定期更新、优化。
使用 AI 但是必须经过人工核查
应该将 AI 限制在副驾驶（Copilot）的角色上，不能直接大段复制粘贴 AI 给出的内容。这么做是基于以下几点：
- 需要人的指挥才能让 AI 完成人的需求
- AI 幻觉的问题需要人来进行校验
在『使用 AI 是为了让脖子上这颗湿件工作得更好』这个前提下，允许以下操作：
- 让 AI 参与流程图、架构图绘制。作者使用自然语言来描述流程，让 AI 给出 PlantUML 或者 Mermaid 代码
- 用 AI 来担任自然语法的审稿员。因为作者的表达不一定准确，在应该展开的细节可能不够详细，甚至自己并不知道。让 AI 参与可以起到优化表达方式。
- AI 给出的内容应该由人类进行校验、核查，并且亲自实践，并最终有选择的纳入到自己的蛋白质神经网络（大脑）中。
建设计划 #
理想中本站点分为三个阶段
阶段一：框架搭建 #
将快速使用互联网中已经存在的各种资源链接将整个站点的结构搭建起来。
最终得到的是一个知识结构的框架
阶段二：融会贯通 #
在自己实践过之后，用自己的语言来表达，力求表达简炼清楚，并精简页面结构。
阶段三：持续迭代 #
用本站中的内容优化自己的工作、生活，得到实践结果之后，再更新对应的实践文档。
学习资料 #
有很多已经整理好的资源，但是缺少一个好的目录。这里列出来
学院派的资料 #
这里摘抄列出精简过的最基础的资料。作为一名工作中的人来说，并没有充足的时间来脱产学习，最好的办法是结合工作实际，往下深挖。
| 课程方向 | 课程名 |
|---|---|
| 离散数学和概率论 | UCB CS70 : discrete Math and probability theory |
| 数据结构与算法 | Coursera: Algorithms I & II |
| 软件工程 | MIT 6.031: Software Construction |
| 全栈开发 | MIT web development course |
| 计算机系统导论 | CMU CS15213: CSAPP |
| 体系结构入门 | Coursera: Nand2Tetris |
| 体系结构进阶 | CS61C: Great Ideas in Computer Architecture |
| 数据库原理 | CMU 15-445: Introduction to Database System |
| 计算机网络 | Computer Networking: A Top-Down Approach |
| 人工智能 | Harvard CS50: Introduction to AI with Python |
| 深度学习 | Coursera: Deep Learning |
现在的问题是，资料不是太少了，而是太多了。这类资料资料集合站点的意义就是能帮你把现存的资料用合适的结构组织起来，方便阅览。而且多数资料质量还是有保证的。