CS 划重点
10 个主题，从命令行到数据库。把「读懂代码、改得动代码、知道程序在跑什么」打牢。
提问的智慧
把「提问」放在所有 CS 知识的第一位。读完之后，向 AI 提问、向人提问都会更有章法。
通读一遍 GitHub 经典文章《How To Ask Questions The Smart Way》。重点是学会：如何描述问题、如何给上下文、如何展现你已经做过的尝试。
收益不止是技术论坛。AI 时代，提示词和提问本质是同一件事，给足上下文、说清意图、展示你已排查的步骤。
环境、工具与命令行
以 MIT Missing Semester 为主，扩展《命令行的艺术》。这是 VibeCoder 从「只会动嘴说」到「能动手做」的第一道门槛：能独立操作终端，AI 报错时你才看得懂它在做什么。
需要掌握的核心模块：
- Git/Version Control。理解分支、merge/rebase、推送、版本回退。能在终端里独立完成常见操作，而不是每次等 AI 帮你点按钮。
- SSH。理解公钥/私钥原理，能在终端独立连上 Linux 服务器，并知道连接过程中服务器在验证什么。
- Tmux。终端复用器。能在服务器上跑长进程、用 detach/attach 切换会话，网络断开也不影响任务。
- Shell。Linux 哲学：每个工具只做一件事，用管道把小事串成大事。能写出
ls | grep epub | wc -l这样的命令链，并读懂每一段的输出。 - Vim。兜底编辑器。远程服务器上没 VS Code 时，你至少要会打开文件、编辑、保存、退出：
i进入编辑、esc退出编辑、:wq保存退出、:q!不保存强退。 - Makefile。知道 target/dependency/command 三个概念，能读懂项目里的构建规则，不需要自己写复杂构建。
- Docker。理解 image（镜像，只读模板）与 container（容器，运行中的实例）的区别。能跑起容器、能写简单的 Dockerfile。
- 环境配置。AI 配环境时，看它给出的步骤和推理（CoT），能明白每一条命令在解决什么问题就行。
编程语言
C / C++ / Python / Java 等大学基础课会教的内容。目标不是学新语言，是读懂不同范式的代码。
知道所有编程语言都有的概念：数组、循环、判断、函数。能读懂常见语法，不需要做到手写无误。
- Python 是解释型语言。运行前先变成字节码，再由解释器逐条执行，没有直接编译成机器码。优点是写起来快，缺点是执行速度通常不如编译型语言。
- C / C++ 是编译型语言。直接编译成机器码运行，性能高，但需要你手动管理更多细节（如内存）。
- OOP（面向对象：类、继承、多态）知道概念即可——这是经典基础，但实际工程里常被过度使用，不要把它当成唯一正确的编程方式。
不用从零开始重学一门新语言。现实里选哪种语言，往往取决于你要用的库和生态，而不是语言本身的语法。
数据结构与算法
数据结构与算法是所有写代码的人都会遇到的基础。但如果不是为了应试，目标不是手写 LeetCode 难题，而是：AI 写完你能读懂、能判断它为什么这样写、能发现明显的效率问题。
- 模运算。
(a * b) % 9 = ((a % 9) * (b % 9)) % 9这种基本法则，在哈希、密码、循环分组里经常用到。 - 时间复杂度 / 空间复杂度。必须学会估算。O(n)、O(n²)、O(n log n) 是最常用的三个档位，能帮你判断一段代码跑大数据量时会不会卡死。
- 摊还分析。了解概念：有些操作单次看起来很贵，但平均到很多次操作里其实很便宜（比如动态数组扩容）。
- 线性结构：数组、链表、栈、队列、优先队列。知道它们各自适合什么场景：栈适合'后进先出'，队列适合'先进先出'，优先队列适合每次取最大/最小。
- 算法设计思路：贪心（每步选当前最优）、分治（大问题拆成相似的小问题）、动态规划（记住子问题的答案避免重复计算）、搜索（在状态空间里找答案）、排序、树、图。先记住这些名字和核心直觉，遇到具体问题时知道该往哪个方向想，实现可以交给 AI。
如果你打算面试转行做开发，需要自己刷 LeetCode、上一些难度。如果不转开发，掌握上面的概念就足以配合 AI 工作了——重点是能读懂 AI 写的代码、能判断效率瓶颈，而不是手写实现。
软件工程
软件工程要懂的不是实现细节，而是术语和流程。遇到项目里有人提到这些词，你能在 30 秒内讲清楚它是什么、解决什么问题就够了。
- 黑盒/白盒测试。黑盒不关心内部逻辑，只测输入输出；白盒看代码内部来测。
- Unit Testing。一次只测一个小功能（一个函数、一个模块）。
- CI/CD。每次提交自动跑测试/自动部署。
- A/B Testing。同时上线两个版本，看哪个效果更好。
- Infrastructure as Code。写配置文件告诉服务器该装什么，不手装。
这些概念现在先理解含义和用途，做具体项目时再深入细节。复杂的实现可以交给专业开发，但你得听懂他们在讨论什么、为什么选这个方案。
体系结构、操作系统、系统
这一节的核心是：学会用 GDB 跟 AI 一起 debug，理解「每条指令只做一件事」。你不需要成为体系结构专家，但要能跟 AI 一起定位底层问题。
- 体系结构。CPU 只有少量寄存器，每条指令只做一件事（改一个寄存器的值或一块内存）。编译器把高级语言翻译成这些基本指令。
- 边界意识。知道计算机能做什么和不能做什么。例如，想浇花就得有根线连到机械臂或水泵，计算机自己不会长出物理上的手。
- 进程 / 线程 / 内存。一个进程有一块独立的内存空间，里面可以跑多个线程。线程共享同一块内存，但各自有独立的寄存器状态。
- 二进制、电路、汇编。知道它们的存在和作用：二进制是计算机存储信息的方式，电路实现逻辑运算，汇编是接近机器指令的人类可读形式。不需要会手写汇编。
- 文件系统、IO、死锁。知道文件系统负责持久化存储，IO 是程序与外部设备/网络交换数据，死锁是多线程互相等待导致谁都动不了。
- Raft。分布式共识算法。核心要求是：只要超过一半的服务器在线，系统就能继续工作；少于一半就停摆。所以集群通常用奇数节点。
- 并发编程。理解几个关键概念：deadlock（死锁，互相等待）、lock（锁，保护共享资源）、multithread（多线程，同时执行多个任务）、context switch（上下文切换，CPU 在不同线程间换来换去）。
- 编译原理。上下文无关语法：你可以从代码里挑出其中一小段，只要这段本身符合语法规则，外面的东西不影响它是否合法。
知道 Raft 的「过半存活」原则、知道并发经典问题。不需要自己实现分布式系统或编译器。
计算机网络
网络是程序之间互相说话的通道。你需要了解基本结构（IP、端口、子网）、常见协议（TCP、UDP）以及延迟/丢包/带宽怎么影响体验。最直观的实践是装一个 Wireshark 抓包，亲眼看到数据是怎么拆成一个个包发出去的。
- TCP vs UDP。TCP 可靠（有重传），UDP 快速（不保证送达）。
- 丢包率、延迟、带宽。三个指标知道是什么、怎么影响体验。
- IPv4、IPv6。知道有两个版本，IPv6 地址更长。
- 端口号。同一个 IP 上不同服务的区分方式。
- 子网。把一段 IP 地址划分成一个局域网，子网掩码决定网络部分和主机部分。
- 局域网地址。
10.x.x.x和192.168.x.x是经典段。
用 TCP 写一个小聊天程序，能和另一台机器（或同一台机器的另一个端口）建立连接、互相发消息。能通就算过关。
数据库系统
数据库是绝大多数应用的「记账本」。VibeCoder 的目标是能用 SQL 完成增删改查、理解索引为什么快、能看懂查询计划。不需要深入数据库引擎实现，但要知道引擎在帮你做什么。
- CRUD。Create（增）、Read（查）、Update（改）、Delete（删）四项基本功。几乎所有的业务操作都可以拆成这四种。
- 索引。理解为什么有索引查询会变快：把全表扫描 O(n) 变成 B+ 树查找 O(log n) 或哈希查找 O(1)。
- ORDER BY。排序；多列排序时，先按第一列排，第一列相同的再按第二列排，以此类推。
- GROUP BY。按某列分组，然后对每组做聚合，比如统计每个部门有多少人、每个分类的总销售额。
- 聚合函数。COUNT、SUM、AVG、MAX、MIN 等，用来从一组行里算出一个汇总值。
能用 SQLite 写点小练习，知道这些操作在底层大概是怎么执行的。
Web 开发
Web 开发的最小可读懂面：HTML 负责结构、CSS 负责样式、JS 负责交互，再加一个前端框架（React 或 Vue）。
- 三件套。CSS / HTML / JS 各自负责什么（结构、样式、交互）。
- 一个前端框架。把 UI 拆成可复用的组件，用状态驱动页面更新。React 生态大，Vue 更轻量，先挑一个入门。
AI 时代不需要自己从零手写，但要能看懂框架生成的代码，知道组件、状态、路由这些基本概念。
数学相关
数学这部分既有研究向也有工程向。微积分、线性代数、信息论是理解算法和机器学习的地基；密码学、图形学、信号与系统则是工程里会直接碰到的工具。如果你主要从事纯业务开发，可以先挑与当前项目相关的看；如果要走算法、机器学习、图形学路线，建议系统补。
- 微积分。导数 = 变化率；积分 = 累积。能算基本求导 / 积分（比如 x³ 积分是 1/4 x⁴）。
- 线性代数。找 3B1B 视频看线性变换。
- 信息论。编码、压缩、通信；信息熵
H(X) = -Σ p(x) log p(x)。 - 图论。无向图、有向图、连通性、最短路、树、环。
- 密码学。对称加密用同一把钥匙加解密，速度快但密钥分发困难；非对称加密用一对钥匙——公钥公开给别人用来加密，私钥自己保管用来解密，从而解决密钥分发问题。签名和密钥交换也是基于非对称加密。不需要自己实现算法，但要知道什么时候该用哪种。
- 信号与系统。傅立叶变换基本概念：信号拆成不同频率正弦波叠加。
- 图形学。三角形是渲染的最小单位，任何 3D 模型最终都会被拆成三角形来绘制。3D 场景显示到 2D 屏幕的过程叫做投影。