在"底层原理 + 框架"骨架之上，通往技术专家的三层进阶 —— 知识、能力、思维
前 7 篇是主干，下面这些是把主干长成"大树"的枝与根。按"已覆盖的深化"与"尚未覆盖但必备"分两类。
| 方向 | 要扎到的深度 | 为什么专家必须懂 |
|---|---|---|
| JVM 深入 | JMM 内存模型、GC（Serial/Parallel/CMS/G1/ZGC 的吞吐与停顿取舍）、类加载、JIT 编译、锁膨胀（偏向→轻量→重量）、字节码与 ASM、调优方法论 | Java 后端的"操作系统"。性能抖动、OOM、锁竞争都从这里追。 |
| OS 深入 | 调度器（CFS）、虚拟内存/页表/缺页/THP、文件系统（EXT4/XFS、IO 调度）、中断与系统调用、cgroup/namespace 对资源的真实影响 | 你在 Part01 学了机制，这里学"内核怎么实现"，性能问题才追得到底。 |
| 分布式理论深化 | 时间（Lamport/向量时钟/TrueTime）、故障检测器、FLP 不可能、CAP 的严谨表述、Raft 完整（日志压缩/成员变更）、Paxos、CRDT、CALM 定理 | 从"会用 ZK"到"知道为什么它安全/不安全"。 |
| 算法与数据结构（系统视角） | 不是刷题，而是"为系统选结构"：跳表、LSM、布隆过滤器、HyperLogLog、一致性哈希、前缀树、内存池、无锁结构 | 前 7 篇已用到不少，这里把它们体系化，遇到新存储/框架能一眼看穿。 |
| 方向 | 核心要点 | 与你（金融/银行核心）的关联 |
|---|---|---|
| 可观测性 Observability | 日志/指标/链路追踪（OpenTelemetry）、SLO/SLI/错误预算、On-Call、混沌工程 | 核心系统出事要"看得见、定位得快"，这是专家的日常。 |
| 性能工程 | profiling（CPU/堆/锁/IO）、正确基准测试（JMH）、容量评估、压测、瓶颈定位方法论 | 交易峰值、批处理窗口都是硬指标，性能是硬通货。 |
| 安全与合规 | 认证授权（OAuth2/OIDC/JWT）、TLS、OWASP 应用安全、数据加密、供应链安全；合规（等保、数据安全法、金融强监管） | 金融领域的安全/合规是"一票否决"项，必须懂。 |
| 更广的数据版图 | 列式/OLAP、搜索引擎（倒排/分词）、时序库、图库、向量库（AI 时代）、数据湖/仓 | 你研究数字人民币/AI，向量检索与实时分析会用到。 |
| 云原生与运维 | 容器/K8s（调度/网络/存储/Service Mesh）、CI/CD、IaC、多活/容灾、FinOps 成本优化 | 核心系统上云、单元化/多活是银行趋势。 |
| 系统设计 System Design | 需求澄清、容量估算、组件选型、演进式架构、取舍论证、写设计文档（ADR） | 从"写模块"到"定架构"，这是技术负责人的分水岭。 |
| 领域建模 | DDD、事件风暴、领域模型、限界上下文 | 把银行核心业务抽象成干净模型，是高价值能力。 |
| 软件工程方法 | 整洁代码、测试（单元/集成/契约/模糊）、重构、评审、分支模型、技术债管理 | 让人接得住、系统活得了，是"可维护"的底座。 |
| AI 工程化 | RAG、Agent、推理服务、评测、LLMOps | 你已有 AI 研究方向，把它"工程化落地"是差异化壁垒。 |
知识是"知道"，能力是"做得到"。下面这些能力，决定了你能不能把原理变成结果。
| 能力 | 表现 | 怎么练 |
|---|---|---|
| 第一性原理 | 从本质推导，不被名词/潮流吓住，"这个技术到底解决了什么约束" | 每学一个框架，逼自己说出它的底层路线与取舍（正是前 7 篇的方法） |
| 源码阅读 | 能钻进任意框架源码追到底层，"Read the source, Luke" | 每周精读一个模块；从 main/入口顺着调用链走，画调用图 |
| 抽象与建模 | 把模糊问题抽象成结构/状态机/数据流 | 写之前先画数据模型与状态转移；用 DDD/事件风暴练 |
| 权衡与决策 | 识别约束，给出有依据的取舍，能写 ADR | 任何选型都逼自己列"放弃什么"，而非只列"得到什么" |
| 系统化/全局思维 | 看到组件耦合、故障传播、隐式依赖 | 画系统边界与依赖图；做变更前先想"会牵连谁" |
| 根因分析 | 5 Whys、证据链、不猜；复现→定位→修复→防复发 | 每次故障写复盘；区分"现象"与"原因" |
| 性能与可靠工程 | profiling + 压测 + 容错设计，用数据说话 | 给每个关键接口建基准；用 Chaos 验证容错 |
| 表达与影响力 | 写清楚（设计文档/博客）、讲清楚（分享/带人）、善用图示与类比 | 把每次学习输出成文；用"给小白讲懂"检验自己 |
| 学习与元学习 | 建知识网络、保信息源、快速上手新领域 | 维护自己的知识地图（本套材料就是一种）；跟踪少数高质量源 |
| 工程判断力 | 在"完美"与"交付"间拿捏；知道何时简单、何时抽象 | 用 YAGNI/KISS 约束自己；评审时问"现在需要吗" |
思维是最底层、最难被替代、也最影响上限的部分。它决定了你"怎么看问题"。
| 思维模式 | 一句话 | 反例（新手常见） |
|---|---|---|
| 底层思维 | 凡事问"底层到底怎么做的" | 停留在"调 API、配参数" |
| 权衡思维 | 没有银弹，只有约束下的取舍 | 追逐"最好"的技术，无视上下文 |
| 系统思维 | 关注边界、反馈、涌现、故障传播 | 只看单点，忽略耦合与连锁 |
| 批判性/独立思维 | 不信宣传，看实现与数据 | 厂商说啥信啥，盲从"最佳实践" |
| 第一性原理 | 从基本约束重新推导，而非类比迁移 | "别人都这么干" |
| 复利/长期主义 | 能力靠累积，深耕成 T 型 | 追热点、浅尝辄止 |
| 工程务实 | 可运行、可观测、可回滚优先于优雅 | 为抽象而抽象，过度设计 |
| 归约/分治 | 大问题拆成已知小问题 | 被大问题吓住，无从下手 |
| 成长型 | 把"不会"当"还没会" | "我不是这块料" |
| 边界/责任 | 知道该做什么、交什么、风险自知 | 大包大揽或推诿，不清边界 |
你的画像是：数学本科 + CS 研究生、银行核心系统后端技术负责人、数理强、表达偏弱、完美主义"不敢开始"、社交弱、金融科技方向、轻资产。下面是针对你的打法。
| 你的特点 | 对应的策略 |
|---|---|
| 数理强 | 放大优势：深入分布式理论、性能建模（排队论/尾延迟）、AI 工程化，用数理吃透"为什么"，形成别人难抄的壁垒。 |
| 表达偏弱 | 用写作破局：技术博客/公众号/设计文档，把理解沉淀出来。写作不是"展示已有"，而是"逼自己想清"——既练表达，又建影响力（契合你金融科技影响力目标）。 |
| 完美主义、不敢开始 | 用"最小闭环"对抗：先跑通一个能用的小东西，再迭代；以"输出驱动输入"，降低启动门槛。别等"学全了再动手"。 |
| 社交弱 | 用"异步影响力"补：文章/开源/视频比线下社交更可控、可复利；技术深度本身会吸引同频的人。 |
| 银行核心系统负责人 | 把工作问题当学习课题：高一致、高可用、合规是天然专家级难题，把日常故障/设计抽象成底层原理的案例。 |
| 金融科技 + AI 方向 | 走"金融 × AI 工程化"交叉：数字人民币、智能风控、RAG 投研——这是你的差异化赛道，别人难同时具备金融+AI+工程。 |
不替你做决定，只给方向（你说过决策交给我，但书目这类"买什么/读什么"你按自己节奏来即可）。