Session Handoff

Last updated: 2026-08-20

本文件只负责跨对话恢复学习现场，不重复保存完整知识正文或全部进度。

最高层目标：career-goals.md

学习状态唯一事实来源：progress.md

---

1. Resume Protocol

新对话继续学习时依次读取：

1. README.md
2. 00_Roadmap/career-goals.md
3. 00_Roadmap/progress.md
4. 00_Roadmap/session-handoff.md
5. 当前路线对应的 00_index.md
6. 只有需要复习或追溯时，再读取知识正文、Mistakes、Practice、Interview QA

原则：

• 所有学习优先服务秋招目标岗位，不把仓库扩展成通用教材；
• completed 只表示完成第一轮，不等于 mastered；
• 不完整重讲已经 completed 的课程，可通过少量 Recall 检查薄弱点；
• 新知识优先建立“概念 → 机制/数学 → 为什么 → 边界/代价 → 输出”；
• 每课结束只沉淀真正有复用价值的内容。

---

2. Global Status

Track	Current	Status	Next
Common CS	Data Structure Lesson 2	completed	Graph / 综合算法模式
Bank EPI	Data Analysis Lesson 2	completed	利润率 / 其他指标 / 严格限时材料
AI / LLM	Transformer Lesson 1	completed	Transformer Lesson 2

当前默认轮转下一课：

AI / LLM Transformer Lesson 2

---

3. Next by Track

Common CS

Current module:

01_Common_CS/Data_Structure/

已完成：

• Lesson 1：复杂度、Array、Linked List、Stack、Queue/Deque、Hash Table
• Lesson 2：Set/Map、Tree、DFS/BFS、BST、Complete Binary Tree、Heap、Top-K

当前薄弱点：

• 不规则复杂度分析需要间隔训练；
• Hash / Set / Map 需要真实算法题强化模式识别；
• Tree DFS/BFS 与递归返回过程需要代码熟练度；
• Top-K 中 K-th largest = size-K Min Heap top 需要间隔 Recall。

Next:

1. Graph 基础与表示；
2. visited；
3. DFS / BFS 从 Tree 扩展到 Graph；
4. 数据结构综合算法模式。

Read when continuing:

• 01_Common_CS/Data_Structure/00_index.md
• 05_Mistakes/CS.md
• 06_Interview/CS_QA/Data_Structure.md

---

Bank EPI

Current module:

03_Bank/EPI/Data_Analysis/

Lesson 1 已完成：增长、同比/环比、百分点/百分比、比重、比重变化、基础速算与选项反推。

Lesson 2 已完成：

• 比值 / 倍数；
• 基期比值与比值变化；
• 平均数 / 平均数增长率；
• 多期增长与年均增长；
• 一涨一跌与回本涨幅；
• 综合材料；
• 方向判断、特殊分数、约分、选项反推与精度决策。

Lesson 2 核心公式与提速点已下沉到：

• 05_ratio-multiple.md
• 06_average.md
• 07_multi-period-growth.md
• 08_integrated-calculation-strategy.md

当前薄弱点：

• 百分点与百分比的语言识别仍需间隔复习；
• 比重变化幅度 S(a-b)/(1+a) 需要间隔 Recall；
• 反向增长率 / 回本涨幅需要间隔 Recall；
• 当前正确率较高，但尚未用统一计时标准验证长材料速度。

Next Bank Stage:

1. 利润率及其他常见指标；
2. 更长综合材料；
3. 统一限时标准；
4. 与真实银行笔试材料衔接。

Read when continuing:

• 03_Bank/EPI/Data_Analysis/00_index.md
• 05_Mistakes/EPI.md
• 04_Practice/EPI/Data_Analysis_Lesson_2.md

---

AI / LLM

Current module:

02_AI/Transformer/

Transformer Lesson 1 已完成：Embedding、位置基本作用、Q/K/V、Scaled Attention、Causal Mask、Multi-Head、Concat / W_O、Residual、Pre/Post-Norm、FFN 与完整 Block 数据流。

当前薄弱点：

• Attention Matrix Shape 的快速判断；
• Q/K/V 的精炼口头表达；
• Scaling 的方差直觉；
• Norm 数学细节；
• Training Attention 与 Autoregressive Inference 的差异。

Next - Transformer Lesson 2:

1. LayerNorm 快速复习；
2. RMSNorm；
3. 绝对 / 相对位置；
4. RoPE；
5. MHA → MQA → GQA；
6. KV Cache；
7. Training vs Inference Attention；
8. SwiGLU；
9. 现代 Decoder-only Block；
10. 与 Qwen / Llama / vLLM 的工程关系。

Read when continuing:

• 02_AI/Transformer/00_index.md
• 02_AI/Transformer/04_modern-llm-components.md
• 05_Mistakes/AI.md
• 06_Interview/AI_QA/Transformer.md

---

4. Latest Session Delta

Latest track: Bank EPI

Latest module: Data Analysis Lesson 2

Date: 2026-08-20

本轮需要保留的增量只有：

1. 比值、比重、平均数统一为 A/B 结构，不分别背三套变化逻辑；
2. 基期比值：现期比值 × (1+r_B)/(1+r_A)；
3. 比值 / 平均数增长率：(r_A-r_B)/(1+r_B)；
4. 多期增长统一使用增长因子连乘 Π(1+r_i)-1；
5. -20% → +25% 恰好回本，反向增长率不能用同幅度抵消；
6. 年均增长率中的 n 是增长区间数；
7. 比重变化幅度可直接用 S(a-b)/(1+a)；
8. 资料分析计算策略：先方向、再看选项定精度、再特殊分数/约分/反推，最后才精算；
9. 年均增长难开方时优先代选项验证。

详细内容不在本文件重复，见当前模块正文、Mistakes 与 Timed Checkpoint。

---

5. Repository Update Rule

每次课程结束：

1. 体系化知识 → 当前模块正文；
2. 真正值得重复做的题 → 04_Practice/；
3. 用户真实概念错误 → 05_Mistakes/；
4. 高频口头表达 → 模块级 06_Interview/；
5. 状态 → progress.md；
6. 下一次接续位置 → 本文件。

不要保存完整课堂流水账，也不要在多个文件中重复维护同一知识。