第 24 章 · Job-Ready Track：从「会解释」到「能做出来」

前 23 章的 Knowledge Track 解决的是「懂」：Understand → Build → Scale → Serve → Train & Align → Evaluate。

从本章开始的 Job-Ready Track 解决的是「能做」：

懂一个概念  →  写成代码  →  跑起来  →  测出来  →  debug  →  写报告  →  放进 GitHub  →  面试讲清楚

24.1 目标岗位与三条路线

不同岗位要的能力不同、优先级不同。先选路线，再补能力，不要平均用力。路线顺序、章节标题和岗位描述统一来自 content/tracks.json，本章不再复制一份容易过期的箭头链。

本章的三条路线是 Track A · AI 应用、Track B · 模型训练与算法、Track C · AI Infra。

24.2 岗位能力矩阵

先看「哪些是必须」，再决定这个月学什么：

这是技能矩阵，不是对任何人的评价：它只回答「这个岗位要什么」，不回答「你适合什么」——那取决于你想做什么。

24.3 第一次找 AI 实习：推荐顺序

面对 30+ 章节不知道从哪开始？如果你还没有实习经历，按这条线走：

第一步只需要进入上面的 Track A · AI 应用开发，然后沿路线页的「下一课」前进。算法与 Infra 分叉也从同一份路线配置进入，不再在正文另写一条可能过期的顺序。

24.4 四级学习标准（本 Track 的验收方式）

以后不要说「我看完了」。每章/每个项目用四级标准自评：

示例（FlashAttention，本课程当前状态）：

Learned      ✅ （第 19 章）
Implemented  ✅ （第 19 章 Lab：分块 + online softmax）
Ran on CUDA  ❌ （无 GPU 环境 → NOT EXECUTED ON CUDA）
Explained    ✅ （能在白板上推导 online softmax 修正因子）

网站默认只显示「阅读进度」和「继续上次位置」。进入 Guided Build 后，页面主进度显示「项目步骤 · 已完成 / 总步骤」；Learned / Ran / Explained 等最终验收项收在折叠的自检清单里，避免把学习者的注意力分散到多个按钮。

Guided Build 章节（25 / 26 / 27）的四级标准怎么记录：

进度保存在你自己浏览器的 localStorage 里，不上传。打开 Solution 不会自动算完成——只有你真的在本地跑通，才有资格点「我已在本地通过」。

24.5 Checkpoint 体系

每一段路线结束后都有一个检查点。检查点不是选择题，而是一个可以给别人演示的最小产物：

「✅」只代表 starter 已随课程交付并被真实运行验证；「🔄 迁移中」是诚实标注——RAG / SFT / Infra 三套 Guided Build 会在下一轮用同一套模板迁移，当前版本请先用现有 Lab + Reference Solution 完成 Checkpoint。

24.6 每个项目的三个入口：Learn / Guided Build / Reference

从这一版开始，每个 Job-Ready 项目都有三层产物。它们不是三个重复的链接，而是三种不同的学习动作：

怎么用这三个入口（顺序不能反）：

先读 Learn 章节（或边做边查参考手册）
   ↓
下载 starter，运行 pytest —— 看到满屏 failed
   ↓
按章节里的 Step 一步一步实现，测试逐组变绿
   ↓
（失败 → 看 Hint → 定位 → 修复 → 再跑）
   ↓
全绿 + 真实运行一次 → 课程页面的 Guided Build 进度条
   ↓
最后才打开 Reference Solution，对照设计差异

24.7 交付状态总览（真实状态，逐项标注）