前三十天学习计划分四阶段：第一周完成环境搭建与角色认知，第二周通过真实MR浸入式上手核心项目，第三周参与跨模块协同实战，第四周独立交付含熔断机制的最小可行模块并提交完整交付物。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
为新入职员工设计一份切实可行的前三十天学习计划，确保其快速熟悉阶跃AI业务逻辑、技术栈与协作流程，避免因信息过载或方向模糊导致初期效率低下。
第一周：环境搭建与角色认知
第一天上午完成入职手续后，立即启动本地开发环境配置，这是后续所有实操的前提。
方法一：使用公司统一镜像部署开发环境
→ 下载内部镜像包（路径：\nasdev-env 2.4.1）→ 双击run_setup.bat → 等待终端输出“✅ Env ready”提示 → 打开VS Code确认Python 3.11.9及torch 2.3.0已激活。【若跳过镜像校验直接pip install，将触发依赖冲突导致模型加载失败】
方法二：手动安装（仅限Linux服务器调试场景）
克隆git@git.jiyue.ai:infra/dev-setup.git → 运行./install.sh --minimal → 输入工号绑定License Key → 验证CUDA_VISIBLE_DEVICES=0 python -c "import torch; print(torch.cuda.is_available())"返回True。
第三天下午安排1对1导师面谈，重点明确该员工在当前项目中的具体交付接口人、每日站会汇报节点、以及紧急问题 escalation 路径。这一步不能由HR代为传达，必须由直属导师当面确认。
第二周：核心项目浸入式上手
以真实需求驱动学习，拒绝文档堆砌式培训。
第一步：从GitLab中找到标记为“onboarding-task-01”的MR（Merge Request），该MR包含一个待修复的API响应字段缺失bug；
第二步：复现问题→定位到models/llm_router.py第87行→补全response_schema中missing_field字段定义→提交测试用例test_router_output_format.py；
第三步：发起MR并@导师+后端组长进行双签；
第四步：观察CI流水线通过后自动部署至staging环境，用curl -H "X-Auth: dev-token" https://staging.api.jiyue.ai/v1/route 测试字段是否返回。
第五天起，每天参与晨会时需准备一句“我昨天解决了什么，今天要卡在哪”，不超过15秒。这句话不是形式，是强制训练其建立问题拆解意识。
第三周：跨模块协同实战
开始接触非本职模块的协作链路，理解系统全貌。
方法一：参与一次标注平台数据质检闭环
登录标注后台→筛选昨日“model_v3_feedback”标签队列→随机抽取20条样本→对照《语义一致性判定SOP_v2》逐条打标→导出Excel→邮件发送给NLP组同事并抄送导师。
方法二：旁听一次客户成功团队的需求评审会
提前下载会议日程表（共享盘/CS/2024Q3_review_calendar.xlsx）→重点关注“客户说的‘响应快’对应我们哪几个SLA指标”→会后整理成一句话发给导师确认理解是否准确。
注意：不得自行修改任何标注平台配置项，所有操作权限需导师现场授权后才可启用。
第四周：独立交付最小可行模块
在导师监督下完成一个完整交付单元，验证学习成果是否闭环。
选定一个已有API接口（如/knowledge/upload），为其新增PDF解析超时熔断机制：
→ 修改config.yaml中timeout_threshold值为120s → 在pdf_parser.py中插入signal.alarm()捕获超时 → 添加fallback_to_text_only逻辑 → 补充单元测试覆盖timeout路径 → 提交MR并确保Code Coverage ≥85% → 观察prod环境监控面板中该接口P99延迟是否稳定在110s内。
最后一天17:00前，将本次交付的代码diff、测试报告、监控截图打包为zip，命名为“[姓名]_onboarding_deliverable_v1.zip”，上传至导师指定OSS路径。
