腾讯犀牛鸟开源人才培养计划
2026 犀牛鸟 — 研究笔记
从 14 个候选项目中筛选出 8 个重点方向，覆盖 AI 记忆、沙箱、移动端推理、分布式数据库、QUIC 协议、目标检测、RAG 知识库和 Agent 框架，对每个赛道进行了三层递进式研究。
14
候选项目
8
重点方向
41
精读项目
360+
研究文档
还不确定？ 30 分钟快速了解 — 活动概况 → 候选项目速查 → 选题策略，搞清楚犀牛鸟是什么、值不值得参加。
从这里开始
| 我想… | 入口 |
|---|---|
| 参赛（最短路径） | 活动概况 → 选题策略 → 下方选赛道 → 按「竞赛路径」走 |
| 系统学习某个技术方向 | 赛道研究 → 选赛道 → 系统性导读 |
| 了解 AI Coding Agent | 跨赛道专题 — Claude Code / Codex 全部文档汇总 |
8 个赛道
RAG / 知识库
检索增强生成：让大模型基于你的文档回答问题，减少幻觉。
AI 代码沙箱
如何安全地执行 AI 生成的不可信代码？从硬件虚拟化到用户态内核到云服务。
分布式数据库
如何把数据库横向扩展到多节点？从 Spanner 启发到 MySQL 兼容到 PostgreSQL 生态。
目标检测
从 YOLO 到 RT-DETR：实时目标检测的速度与精度之争。
QUIC 协议
HTTP/3 背后的传输层革命：0-RTT 握手、多路复用、抗丢包。
移动端推理引擎
在手机上跑深度学习模型：算子优化、量化、异构调度的工程智慧。
Agent 框架
编排多个 AI Agent 协作：从链式调用到有状态图到多角色团队。
AI Agent 记忆
让 AI Agent 拥有长期记忆：从开源记忆库到生产级 Coding Agent 内建记忆，覆盖向量存储、知识图谱和 MCP 桥接层。
其他材料
关于
我是一名对 AI 系统和开源文化充满热情的学生。这份研究笔记记录了我备赛犀牛鸟的全过程——从零开始理解每个技术方向，到对 41 个项目做逐一源码级精读。希望这些内容也能帮到同样在准备犀牛鸟的同学。