JEV / LEARNING ROADMAP
Jev 学习路线：零基础、Python 实验与 Agent 进阶
不知道从哪里开始？按你已经能完成的任务选择入口。先完成一个小作品，再增加一种能力；不需要把所有社区项目都学完。
01 / 06
01 · 完全小白：先看懂一条工单
- 开始前
- 无需编程或账号。
- 这一阶段怎么练
- 读完整客服案例，把客户的说法与已核实物流事实分开。用一句话写出决策目标，再列出三个互不重复的问题。
- 过关成果
- 一张 state → 问题 → 动作草图，能说清哪些结果仍要人工核实。
先在本站学习
下一步 → 02 · 不写代码：练会选择与回退
02 / 06
02 · 不写代码：练会选择与回退
- 开始前
- 能区分 state 与问题。无需 API 密钥。
- 这一阶段怎么练
- 完成四步互动练习。改一个事实，重新判断 Choice、Score 或 Noul 是否适合；遇到证据缺失，写出先补什么信息。
- 过关成果
- 一个请求草案，加上“未知 / 人工处理”分支。本站练习是合成例；到 Playground 时再按原站要求运行。
先在本站学习
下一步 → 03 · 会 Python：先跑离线项目
03 / 06
03 · 会 Python：先跑离线项目
- 开始前
- 会创建虚拟环境、安装依赖、读 JSON。Datawhale 要求 Python 3.10+；具体项目另查 README。
- 这一阶段怎么练
- 优先运行客服路由的 fixture，再逐字段对照请求与返回。增加一个空输入和一个冲突工单，确认代码能回退；之后才切换真实 API。
- 过关成果
- 能重跑的本地脚本和三条测试记录，注明 fixture 或 live 模式。
先在本站学习
下一步 → 04 · 想做产品：先评测失败代价
04 / 06
04 · 想做产品：先评测失败代价
- 开始前
- 已有固定任务与可运行请求；能给样本标注预期结果。
- 这一阶段怎么练
- 先在合成样本上理解阈值与覆盖率，再用自己的留出样本评测。按语言、类别和失败代价拆分结果；阈值不能用测试集反复调。
- 过关成果
- 一份包含误分、人工回退、成本和延迟口径的评测表；保留失败样本。
先在本站学习
下一步 → 05 · Agent 与应用：观察完整反馈环
05 / 06
05 · Agent 与应用：观察完整反馈环
- 开始前
- 已会基本评测；理解权限、合法动作与模型判断的区别。
- 这一阶段怎么练
- 先学工具门控，再挑一个社区项目。逐步记录可见 state、候选动作、代码校验、执行结果与下一轮状态；不把裁判隐藏信息传给决策模型。
- 过关成果
- 一张完整循环图与一条失败 trace，说明由谁发现失败、在哪里停止或回退。
先在本站学习
继续到原资源
下一步 → 06 · 研究与本地模型：另开实验线
06 / 06
06 · 研究与本地模型：另开实验线
- 开始前
- 能固定基线、划分数据与记录版本。训练需按具体模型卡核对硬件和许可。
- 这一阶段怎么练
- 先读研究问题和对照设置，再决定是否复跑。Laya 是另一条开源权重路线；用同任务、同切分检验输出质量，区分伪标签拟合与人类金标表现。
- 过关成果
- 一张实验对照表：数据来源、切分、模型哈希、指标与限制。未复跑的结果只记为来源报告。
先在本站学习
继续到原资源
下一步 → Jev 外部学习资源地图：四个站点怎么用
Datawhale 11 章如何接到本站？
这是一份任务对照表。本站提供原创解释与练习，原仓库保留 Notebook、工程和实验记录；中文在线文档另作查阅入口。
| 原章节 | 本站入口 | 原资源 |
|---|---|---|
| 01 · 认识 Jev | 01 · 完全小白：先看懂一条工单 | Datawhale ↗ |
| 02 · 核心概念 | 02 · 不写代码：练会选择与回退 | Datawhale ↗ |
| 03 · 架构模式 | 03 · 会 Python：先跑离线项目 | Datawhale ↗ |
| 04 · 18 篇配方 | 从懂概念到会设计 | Datawhale ↗ |
| 05 · 智能家居实验 | 05 · Agent 与应用：观察完整反馈环 | Datawhale ↗ |
| 06 · 模型评测 | 04 · 想做产品：先评测失败代价 | Datawhale ↗ |
| 07 · 12 个应用项目 | 12 个项目，应该先看哪个？ | Datawhale ↗ |
| 08 · 前沿研究 | 06 · 研究与本地模型：另开实验线 | Datawhale ↗ |
| 09 · Agent 集成 | 05 · Agent 与应用：观察完整反馈环 | Datawhale ↗ |
| 10 · Laya 本地模型 | 06 · 研究与本地模型：另开实验线 | Datawhale ↗ |
| 11 · 出处与版本索引 | 使用资源时先做这三件事 | Datawhale ↗ |
12 个项目，应该先看哪个？
先挑一个项目研究状态、决策、执行和反馈。下面链接到原代码目录；运行模式和依赖以各项目说明为准。Jev Games Web 是统一展示入口。
| 项目 | 学习重点 | 原代码 |
|---|---|---|
| 01 · 贪吃蛇 | 先看：局部观测与碰撞检查 | 贪吃蛇 ↗ |
| 02 · 扫雷 | 先看：规则能确定的动作先交给代码 | 扫雷 ↗ |
| 03 · 狼人杀 | 进阶：隐藏角色与证据来源 | 狼人杀 ↗ |
| 04 · 游戏统一入口 | 展示：看入口与 trace，不另算一种策略 | 游戏统一入口 ↗ |
| 05 · 迷宫 | 先看：局部判断如何交给规划代码 | 迷宫 ↗ |
| 06 · 移动靶 | 进阶：动作概率与真实命中分开记录 | 移动靶 ↗ |
| 07 · 浏览器操作 | 应用：操作选择后独立核验目标 | 浏览器操作 ↗ |
| 08 · 斗地主 | 进阶：暗牌隔离与合法候选 | 斗地主 ↗ |
| 09 · 21 点 | 进阶：固定规则和随机条件再比较 | 21 点 ↗ |
| 10 · 数独 | 先看：约束过滤后再选择候选 | 数独 ↗ |
| 11 · Mario 模拟器 | 进阶：帧同步和动作时长影响反馈 | Mario 模拟器 ↗ |
| 12 · 智能家居 | 应用：意图判断、设备派发与模拟模式 | 智能家居 ↗ |
使用资源时先做这三件事
- 先读运行要求：离线夹具、归档回放与真实 API 是不同模式。
- 记录 state、预期标签、实际动作和失败原因；不要只收藏成功截图。
- 核对来源日期、模型版本和项目许可，再判断是否能用于自己的产品。
常见路线问题
不会 Python 可以学吗？
可以。先走理解与无密钥练习两阶段，能设计状态、问题和回退后，再决定是否学习 Python。
是不是做完游戏就能上线 Agent？
游戏帮助理解反馈循环。上线还需要工具权限、参数校验、独立成功判定和真实任务评测。
本地 Laya 能直接替代 Jev 吗？
需要另行验证。相似的输入输出形式不代表相同训练、输出质量、校准或服务行为。