跳转至

学习路线图

从零基础到前沿研究的推荐学习路径。数量与扩展状态由仓库清单自动派生。


当前扩展基线

层级 方向 内容文件 显式导航 目录页入口 可发现 层级首页入口 Plan 条目 目标容量
Layer 1 感知与硬件 275 25 275 275 10 250 275
Layer 2 无线接入 217 25 217 217 10 191 217
Layer 3 网络协议 25 25 25 25 10 179 204
Layer 4 计算平台 25 25 25 25 10 190 215
Layer 5 边缘智能 25 25 25 25 10 301 326
Layer 6 安全与隐私 25 25 25 25 10 197 222
Layer 7 综合应用 25 25 25 25 10 205 230
Layer 8 前沿方向 25 25 25 25 10 248 273
合计 642 200 642 642 80 1761 1962

当前仓库有 642 个内容文件、642 个可发现入口和 1761 条 plan 记录。Plan 同时包含已执行和未执行条目,因此不能把两者直接相加。

扩展门禁

Layer 3–8 暂不进行大批量生成。恢复扩展前必须先满足:

  1. 内容文件全部可发现(显式导航 ∪ 层级 catalog),且不改变现有 URL;
  2. frontmatter schema、全量校验和来源抽样通过;
  3. 生成流程具备幂等、失败恢复、去重、来源锁定和人工批准;
  4. 先做 4 篇 shadow pilot,再以每批最多 5 篇发布。

难度分级

  • 零基础: 无需任何前置知识
  • 入门: 需要基本编程能力或计算机网络基础
  • 进阶: 需要该层级的入门知识
  • 前沿: 需要扎实的理论基础,面向研究者

推荐路径

路径 A: 嵌入式 IoT 开发者

RTOS 对比 → ESP32 原型开发 → BLE/WiFi 接入
→ MQTT 协议 → 边缘计算概念 → TinyML 部署

路径 B: 网络与通信研究者

LPWAN 对比 → 5G RedCap → TSN/DetNet
→ 网络切片 → SDN for IoT → 6G ISAC

路径 C: 边缘 AI 研究者

边缘计算综述 → 模型压缩 → 协作推理
→ Jupiter → 联邦学习 → LLM on Edge

路径 D: IoT 安全研究者

IoT 安全全景 → 固件安全 → PUF 认证
→ TEE 边缘计算 → FL+DP 隐私 → 零信任 IoT

路径 E: 全栈纵览 (推荐)

Layer 1 概览 → Layer 2 概览 → Layer 3 概览 → Layer 4 概览
→ Layer 5 概览 → Layer 6 概览 → Layer 7 概览 → Layer 8 概览

每层先读概览页(index.md),再按兴趣深入具体论文。


各层核心阅读

层级 必读(入门) 推荐(进阶) 选读(前沿)
L1 RTOS 对比、ESP32 原型 MEMS 传感器、能量收集 神经形态感知、RISC-V
L2 LPWAN 对比、星闪 vs BLE UWB 定位、WiFi 7 反向散射、卫星 IoT
L3 IoT 协议对比、MQTT 深入 TSN/DetNet、6LoWPAN NDN-IoT、网络切片
L4 边缘计算综述、平台对比 任务卸载、Serverless 微服务边缘、异构资源
L5 Jupiter、模型压缩 联邦学习、分割计算 持续学习、设备端训练
L6 安全全景、隐私 FL TEE、区块链 IoT 对抗攻击、量子安全
L7 V2X、室内定位 IIoT、智慧医疗 智能电网、供应链
L8 数字孪生、6G ISAC Wasm 边缘、绿色计算 AIGC 边缘、天地一体

生成规范

每篇文章遵循统一格式:

  • 行数: 300-400 行 (不超过 420)
  • 语言: 中文
  • 结构: 标题 → 元信息(难度/领域/阅读时间) → 引言(日常类比) → 编号章节 → 代码/表格 → 总结 → 参考文献
  • 文件命名: kebab-case, 放在 docs/<layer>/papers/
  • 计划文件: plans/layer<N>-<name>.json (JSON 数组, 每项含 slug + title + description)