W11 · 优化迭代 + 作品打磨 · 打卡清单

在 W10 的 harness 上做小步迭代：每次改动先写 Expected Improvement，跑完用 Δ 说话，把迭代史沉淀进作品 README。这是 M3 作品从「能用」到「能打」的周。

代码练习 · 第 11 周（M3）预估 6–7 小时纯本地可跑
完成进度
0%

本周里程碑（结束时你要能说）

Day 1–2迭代流水线与回归文件：optimize/iterate.py

任务

  • 跑 iterate.py，看懂『改前/改后 + 回归闸门 + 改进史』
  • 把 backlog 里优先级最高的一条做成一次真实迭代
  • 记录这次迭代的 Expected Improvement 与实际 Δ
  • 确认回归闸门：没有崩掉已有正确样本
✔ 自查：这次改动你能报出 before/after 两个数字。

运行

cd agent-learning-w11
python optimize/iterate.py
重难点：小步迭代的纪律。先写 Expected Improvement（改什么 → 预期指标变多少 → 怎么验证），再动手。跑完看 Δ、过闸门、记录。每步 10–30 分钟，比「憋一个大版本」更稳、更可解释、面试更能复述。
Day 3–4优化方向实操（检索/记忆/安全/性能）复用 W4–W9 组件

任务

  • 按 backlog 短板选方向：检索增强 / 记忆 / 拒答 / 延迟成本
  • 把对应周（W4–W9）的组件接进作品，重跑 harness
  • 每接一个都记一次 Δ，别一次改一堆分不清谁起效
  • 若改成可跑性下降，回滚并评估该方向的性价比
✔ 自查：每一项改动都能归属到一次可解释的提升。

参考方向

检索差   → 加 embedding+重排 (W5)  → 看 recall
上下文丢 → 接分层记忆 (W7)         → 看 hard pass
瞎编     → 置信度拒答 (W5/W8)      → 看 errors
太贵/慢  → 路由+缓存 (W9)           → 看 cost/P95
重难点：一次只变量一个东西。迭代优化最大的坑是「同时改三个」→ 指标变好却说不清是谁的功劳。一次一个变量，改动可归因，面试才能讲『我试了几条方向，发现 X 最有效，因为……』。
Day 5–6作品打磨 + 发布版 README文件：day5_polish.py

任务

  • 跑 day5_polish，过一遍 6 条打磨自检
  • 用骨架生成你的作品 README 并填真实数字
  • 确认复现命令能在 5 分钟内跑出你报的指标
  • 录 1 条演示或截 3 张关键图
✔ 自查：让一个陌生人 30 秒看懂你的作品要解决什么、为什么可信。

运行

python day5_polish.py
重难点：作品 ≠ 能跑，＝ 能被看懂。README 首屏要塞三样：一句话、指标表、复现命令。迭代史展示成长，诚实列『哪里还不行』反而加分——面试官最想招「知道自己边界的人」。
Day 7复盘与固化：把作品升级为『可讲的故事』产出：30 秒作品 pitch

任务

  • 写一段 30 秒作品 pitch（问题→方案→数字→我的角色）
  • 把迭代史 + 指标表 + 复现命令整合进最终 README
  • 给自己练一遍：被追问『这数字怎么来的』能答出
  • 列出 W12 要补的简历/讲述材料（把作品讲进简历）
✔ 自查：你能不看稿，把作品讲给一个非技术人也听懂。

30 秒 pitch 模板

“我做了个「企业知识库问答 Agent」：
企业内部政策多、检索慢，用它用一句话问。
我给它加了 RAG(W5)、记忆(W7)、安全(W8)、
路由与缓存(W9)，用 harness 跑基线并迭代，
pass 从 75% 提到 95%、P95 延迟降 6 成、
成本省 7 成，全部数字可复现。”
（面试官会顺着往下问，你正好展开）

本周自测一句话