Week 1-2: 入门篇 ────────── 了解 FDE，建立认知
Week 3-4: Transformer ─── 理解模型架构
Week 5-6: 推理引擎 ────── vLLM / TRT-LLM / SGLang
Week 7: 量化 + GPU ──── 量化方案、显存模型
Week 8: 分布式 ──────── TP / PP / DP
Week 9: 部署架构 ────── K8s、弹性、可观测性
Week 10: AI 工程 ────── Prompt / RAG / Agent / 评测
Week 11: 成本 + 前沿 ─── 成本优化、前沿跟踪
Week 12-14: 面试 + 管理 ── 答题框架、培养体系
Week 15: AI 商业工作流 ─ 业务流程编排、企业集成、业务指标
Week 16: 合规与安全 ─── 数据隐私、审计追溯、Prompt 安全
Week 17-18: 变更管理 ──── 灰度上线、ROI 度量、组织采纳

三层技能护城河:

第一层：技术深度（别人不会的你会）
- 不只是"会用 vLLM"，而是理解 PagedAttention 的底层机制
- 不只是"做了量化"，而是能对比 INT8/FP8/INT4 的精度-速度 trade-off
- 不只是"跑了模型"，而是能做 kernel-level profiling 和调优
- 红队测试/AI 安全评估能力（Anthropic 等公司特别看重）

第二层：全栈工程能力（别人做不出来的你能）
- 能把一个模糊的 AI 想法变成生产级应用
- 包含：权限控制、仪表盘、容错机制、监控告警、弹性伸缩
- 不只是"模型能跑"，而是"系统能稳定运行"

第三层：商业嗅觉（别人说不清的价值你能说清）
- 能用商业语言解释 AI 价值：提升了多少 CSAT、节省了多少成本
- 不只是堆砌技术指标（P99、QPS），而是讲业务影响
- 能判断"这个 AI 方案到底值不值得做"