防走偏清单
这些不需要学
| 不学 | 理由 |
|---|
| 微积分 / 线性代数完整体系 | 用到再补；M1 的直觉层足够支撑全部路线 |
| 从零写深度学习框架 / 手写 Transformer | 理解使用者视角即可（S8-03 已体验过） |
| 大模型预训练 | 算力不可及，与你的市场定位无关 |
| CUDA / Triton kernel 编写 | 无 GPU，永远用不上 |
| 强化学习（RLHF / RL）深处 | 认知即可（知道对齐是什么）；训练线只到 LoRA |
| 多模态大模型训练 | CPU 不现实；调用层面 G4-01 已覆盖 |
| K8s / 分布式训练 | 单机 CPU 路线用不上；客户上规模时再学 |
| 区块链+AI / Web3+AI | 炒作组合，与你的变现路线无关 |
你已经踩过的坑（实测记录）
| 阶段 | 坑 | 解法（已实测） |
|---|
| G0-02 | langgraph dev 启动报 ValueError: Unable to configure formatter 'simple' | traceback 尾部才是根因：Windows 缺 colorama（ConsoleRenderer colors=True）→ pip install colorama 即愈；端口占用加 --port 3000 |
| G0-02 | 图文件顶层写了 invoke()，langgraph dev 加载时卡住 | dev 会 import 你的文件执行顶层代码，invoke 必须包在 if __name__ == '__main__' 里 |
| G 全线 | API key 写进代码 / 提交进 git / 截图外发 | key 只放环境变量 SILICONFLOW_API_KEY；泄漏信号=账单里出现你没发起的调用条目 |
| S 全线 | 用 WindowsApps 的 python 跑脚本，包装错环境 | 显式用 .venv/Scripts/python.exe，商店 stub 是个跳板，不是真解释器 |
| S2 / S8 | DataLoader 在 Windows 上卡死或异常慢 | num_workers=0，Windows 多进程开销大，小数据集反而最快 |
| S5 / S7 | 以为学习率大=学得快 | 实测 lr=10.0：Adam 把 loss 推到 28400、acc 只有 0.13，太大不是快，是发散 |
| S7 事故A | train() 里忘了 optimizer.zero_grad() | 梯度跨 batch 累加，实测 2000 样本 acc 只有 0.6733，每个 batch 前必须清零 |
来源：学习过程中的实测记录；新坑当场记入 data/dontlearn.json 并重跑构建。