| 这个作业属于哪个课程 | https://edu.cnblogs.com/campus/fzu/202501SoftwareEngineering |
|---|---|
| 这个作业要求在哪里 | https://edu.cnblogs.com/campus/fzu/202501SoftwareEngineering/homework/13546 |
| 这个作业的目标 | 自我介绍，初步了解协作开发，明确自己学习目标 |
| 学号 | 102301415 |
一、团队主页网址
https://github.com/shaoxiawjc/SE-Project
二、自我技能评估
技能：
Java基础：熟悉Java基础知识，熟悉多线程并发。
数据库：熟练使用 MySQL、PostgreSQL、Redis 及常见的优化手段。
框架/组件：熟悉 Spring、MyBatis 等主流开发框架，并手写过 SSM 全家桶(icon:github 478320/SpringByHand)，
了解 WebFlux 框架编写，了解Langchain4j，SpringAI，SpringAIMcp等主流 AI 开发框架，了解 WebSocket 协议，
了解 Sofa，Dubbo，Motan，Grpc 等一系列 Rpc 框架的使用，了解消息队列 RabbitMQ, Kafka 的使用和原理。
分布式：了解分布式系统的设计与应用，微服务项目的分布式部署(icon:github 478320/TTAG)。
AI：了解 MCP 的客户端使用，了解 SpringAI，Langchain4j 框架应用，Agent 智能编排等
三、代码量：
在 Apache Shenyu 社区贡献约两万行代码量，其余项目代码量预计几十万具体难以统计
四、期望：
我最期待在课程中学习到一些前沿的技术，比较希望能看到一些架构的优势，我不喜欢看到别人的成果，
更希望看到别人是怎么做的，别人的思路对于我有哪些帮助
五、学习指南
ai生成的学习指南如下
软件工程前沿学习指南（面向大厂及行业趋势）
1. 课程学习目标
- 理解现代软件工程在大厂中的实际应用，掌握先进的架构设计和工程实践。
- 掌握云原生技术体系，包括容器化、微服务、服务网格、无服务器架构等。
- 学习大规模分布式系统的设计与运维，理解一致性、可用性、分区容错原则（CAP定理）。
- 熟悉现代DevOps流程和工具链，实现持续集成与持续交付（CI/CD）。
- 掌握人工智能与机器学习在软件开发中的应用，如智能测试、代码生成和自动化运维。
- 了解大厂对安全的重视，学习安全工程和零信任架构。
2. 前沿技术内容
云原生与微服务架构
- 学习 Kubernetes 及其生态，掌握容器编排和管理。
- 理解微服务设计原则，服务拆分与治理（服务发现、限流熔断、灰度发布）。
- 掌握服务网格技术（如 Istio、Linkerd）实现服务间安全通信与流量管理。
- 了解无服务器计算（Serverless）的优势及应用场景。
分布式系统与一致性
- 深入理解分布式系统中的数据一致性模型（强一致性、最终一致性）。
- 学习分布式事务与分布式锁的实现方案。
- 熟悉分布式缓存（如 Redis Cluster）、消息队列（Kafka、RocketMQ）及其设计模式。
- 了解大数据处理框架（如 Spark、Flink）与流式计算。
DevOps 与自动化
- 掌握 Jenkins、GitLab CI、ArgoCD 等自动化构建与部署工具。
- 学习基础设施即代码（IaC）技术，如 Terraform、Ansible。
- 了解监控与告警系统（Prometheus、Grafana）及日志分析体系。
- 探索混合云与多云环境下的运维挑战与解决方案。
人工智能辅助软件开发
- 理解智能代码辅助（如 GitHub Copilot、CodeWhisperer）的原理和使用。
- 学习自动化测试中的 AI 应用，包括测试用例生成、缺陷预测。
- 探索机器学习模型在异常检测和性能优化中的应用。
- 了解大规模 AI 模型部署与推理服务架构。
安全工程与零信任架构
- 掌握应用安全最佳实践，包括代码审计、漏洞扫描。
- 学习身份认证与授权机制，OAuth2、OpenID Connect。
- 理解零信任安全架构的设计理念与实施方法。
- 关注数据隐私保护与合规（如GDPR、个人信息保护法）。
3. 推荐学习资源与实践路径
- 官方文档与社区资源：Kubernetes、Istio、Apache Kafka、TensorFlow 等。
- 大厂技术博客与开源项目：阿里巴巴、腾讯云、字节跳动技术博客。
- 在线课程和专题讲座：Coursera、Udemy、B站技术公开课。
- 参加开源贡献和实战项目，积累实战经验。
- 关注行业大会（如 KubeCon、QCon、AI Dev Day）的最新分享。
4. 学习建议
- 结合项目实践，重点突破云原生与分布式系统相关技术。
- 关注工具链构建和自动化流程，提高研发效率和质量。
- 持续跟踪 AI 在软件工程领域的创新应用。
- 培养安全意识，将安全融入开发全生命周期。
- 多参与技术社区和企业实习，接触真实业务场景。
学习指南本人评价
阶段划分清晰，符合学习规律，但需要结合自身技术短板进行针对性补充学习。
