procdump procdump -ma -n 1 -s 0 a.exe dumps
启动程序，立即转储一次，然后退出
wtrace 堆内存破坏 数组越界访问 realloc使用不当 访问未初始化的内存 # 基本操作 sc query SNMP # 查询服务状态 sc start SNMP # 启动服务 sc stop SNMP # 停止服务 sc pause SNMP # 暂停服务 sc continue SNMP # 恢复暂停的服务 # 配置操作 sc config SNMP start= auto # 设置自动启动 sc config SNMP start= demand # 设置手动启动 sc config SNMP start= disabled # 设置禁用 # 查看服务配置 sc qc SNMP # 查询服务配置 sc enumdep SNMP # 查看服务依赖 # 远程操作 sc \\192.

Ref 分享2023年最大的收获
Ref 如何设计想要的人生
跟打游戏一样，有一份手册，就能做到稳步前行。
我们都是沿着惯性前行，设想这样一个场景，当你油尽灯枯，回首自己的一生，发现有很多事想做却没做成，这何尝不是一种遗憾。
人生中有些问题反复出现，我在20年就发现了，所以试着完成这样一份手册，一来作为对这些问题的回应(如果现在解决了，30、40就不用面对这些问题)，二来梳理过程中也许能发现新东西。
ref:《悉达多》、《活在此时此刻》、《练习的心态》、《当下的力量》、《传习录》
这些书讲的是一个道理，人生重在体验，而唯一真正有力量的，是当下。
人生建模 可以用有限游戏与无限游戏作类比，人生是一场无限游戏，这场无限游戏由很多个有限游戏组成。唯一确定的是，时间是有限的，所以结论1：在有限的时间内完成尽可能多的事，或者是获得尽可能多的体验。
用打游戏作类比，还有个阶段问题。“十有五志于学，三十而立，四十不惑，五十知天命，六十耳顺，七十从心所欲不逾矩”，十五年才明白了为人处世的道理，圣人尚且如此，我等普通人就不必说了。而且很多事急不来，需要旷日持久的战斗。结论2：人生分阶段，每个阶段有不同的任务 再细分：
34，也怕中年危机。
第一个五年，需要建立正确的成长模型以及工作价值观；
正常情况下，职场新人成长速度会非常快，这是因为这个时期多数困难只要靠自身努力就能完全解决。
所以新人需要快速找到最适合自己成长的方式，尽快达到这个阶段能够达到的瓶颈，一般是5年左右可以达到这个阶段的尽头。
所以，第二个五年最重要的两件事，首先是找到自己喜欢并且适合自己的事情，其次你需要验证你是否真的适合，因为这条路走下去可能是一条不归路，不可不慎。
第三个五年，独立思考能力尤为重要，尽快建立自己的思维闭环；
到第三个五年，能力、心态已经得到社会的毒打，经过了一层又一层的淬炼，完全可以担当大任，专业领域方面，不在话下；心态方面可上可下。 这个时候大家可能会觉得技术、管理似乎也就那么回事的，但所面临的困难却比原来更大、更抽象了。
这个阶段所面临的问题，多数是无据可依，就算有相似的案例，也会因为环境不同而无法得到启示，这一切都要求我们独立思考，要求我们捕风捉影，很费脑子，所以独立思考的能力变得尤为关键。
不管以何种路径，最终都能通关，但是体验很不一样，如果在游戏初始阶段拿到S级装备，那后续就很轻松了。很多时候都是在迷雾中前行，这个没关系，可以自己放路标；在前进过程中会出现很多随机的事物，这个是乐趣所在，我觉得就人生而言，不可能穷尽所有的事物，在你的整个生命历程，都能保留这份乐趣；而且前人也留了很多东西，我觉得靠读书，通过自己实践，也能铺出一条路，这个过程得自己把控。结论3：人生的乐趣在随机性，在前进的过程中抬头看路，不要做重复的事。
有了上面的建模，可以把日常事项纳入该框架。
活在当下 方向的问题解决了，但是想要和现实根本不是一回事。
有很多东西阻碍你聚焦当下，第一个注意力，人一天可以产生一百多个想法，深受其害；第二个是控制力，事物总是朝着无序变化，要使其有序，就得注入能量。
只有当下是真实的，也只有当下是最有力量的。
步骤1：冥想。冥想应该是通过引导注意力焦点来消解其他念头，从而使得大脑进入一种高度集中的状态，可以通过呼吸调整；散步、念经，都能起到类似的效果。
用GTD系统可以挪出一部分大脑的东西，很简单，无论是冥想还是其他，最终目的是清空大脑。
步骤2：行为引导。“合抱之木，生于毫末；九层之台，起于累土”，未来是当下一点点做出来的。B=MAT，T，Trigger，有很多东西触发，打断当前状态，这个也简单，屏蔽触发源就行。
通过设计MAT进入心流状态，对我来说，当前最难受的是A，Ability。通过外界系统增强A，比如我之前搭了博客，各种笔记系统，都是增强能力的体验；GTD系统，通知，这两个是管控T；M我觉得不应该管控，除非那种特别不切合实际的。
更细粒度的工具 AEIOU
这是《斯坦福人生设计课》里的工具，A activity，E env；I interface；O object；U user；这个工具从日常生活中提取出五种要素，如果想有什么改变，就从这五个方面下手。所以说它是一种更细粒度的工具。
透视未来场景
可能会说，未来如何如何，写下来，然后用AEIOU透视，很容易找出要改变的点。
结语 有一段话想摘抄一下：读《练习的心态》
问你自己: 一朵鲜花的生命， 从撒下种子到完全盛开， 在什么时候可以达到完美？
让我们看一看， 我们每天走过的花园中的鲜花旁时， 大自然会教我们一些什么。 在什么时候， 鲜花是完美的？ 当它还只是你手中的一粒种子， 等待着你种下时， 它完美吗？ 在那一刻， 它就是一粒种子。 当这粒种子在几厘米深的土壤中开始悄无声息地第一次发芽时， 它是完美的吗？ 在那一刻， 它首次展现了我们称之为创造的神奇信号。 那么， 当它的嫩芽第一次钻出地面， 第一次接受阳光的照射时， 它完美吗？ 它用尽其所有的能力来寻找这种生命之源； 在这一刻之前， 它只是在地下悄无声息地成长着， 告诉自己要以怎样的方式成长。 当它开始开花的时候呢？ 它完美吗？ 这个时候， 它的个体属性开始显现。 叶子的形状、 花苞的数量， 所有这些， 都是这朵鲜花独一无二的属性， 尽管他们在同一物种中的其他花朵也是独一无二的。 或者， 在鲜花盛开的时候， 花朵的所有能量与努力是不是达到了它生命中的完美时刻？ 不要忘记， 花朵会谦虚地、 静静地调谢， 到那个时候， 它会回到曾经养育它的大地之中。 那么， 在什么时刻， 花朵是完美的呢？

从给 RisingWave 提 PR 说起，聊聊怎么快速切入一个复杂的开源项目
这段时间学习c++，主要看<c++ primer> <c++ primer plus>两本，在这个过程中，对技能习得有一些感悟。
新手入门最大的问题是不知道关注点，这样会导致看很多跟目标无关的资料，运气好的话一段时间后能梳理出该领域图景，运气不好可能需要很长时间。
所以好的教程会给一张大图，然后针对大图给几个抓手，就能基本入门，然后碰到什么场景就学哪些工具，效率高。
1 把该领域最权威的资料都翻了，关注点在哪也能出来，就是耗时间。
然后是技能的巩固和练习，练习的目的是增加熟练度，分为两层，一层是基础技能，比如写个tcp通信，写个基础的排序算法；第二层是对需求建模，看到目标，在心里盘算怎么把基础的东西组合，得到一个想要的结果。
具体操作：
2 模仿，需要通过模仿练手感，熟悉基础知识点
3 技能练习：让ai给出练习题
犯错触发反馈：
4 在训练的时候尽量用自己的语言去写，这样能暴露当前的理解和最好模型之间的gap，得到修正方向。
5 检测掌握情况：能否根据名字带出很多细节
6 检查是否理解：能否用自己的话说出来
可能空间，声明周期 闭环+验证 数据间的变化关系 用项目学习 目标不清晰 6 学习速度测算 一般只需要获取大图和抓手，每个小项做针对性练习，比如平均做两个吧，就能算出自己的学习速度，然后安排工作即可。
但学习是非线性的，一个知识点可能要间隔重复三遍才能完全掌握，碰到场景不全的情况会pending很久。 对此的策略是：
a 要留痕，原始资料，二次加工，得出的一些成果，都要留痕。
b 检查对材料的吸收程度，哪怕一篇很简单的文章深究也会牵扯到很多细节，看要探究多深。
c 检查自己的思维，如果大脑的概念和逻辑链，及自身的技能不能满足需求，说明这两块得继续扩展。
练习分为两种方式，一种是交互式的，一种是大脑中演练。熟练度由脑中相关的神经链路决定，可以想象最初的链路是文字、行为激活的，当链路成型后，只是在大脑中不断演练，也有很好的提升效果。
经过这么久的实践，目前理解学习就是压缩信息，确定一个范围，确定该范围所有的输入输出，用尽可能好的结构组织这些输入输出。所以习得有一个概念展开在收缩的过程。
进入任何一个领域，按照我上面说的找出该领域的知识结构，在知识结构的基础上找出行业最佳实践，就能躺着玩了。
学习–>掌握阶段 状态1：完全陌生 看资料，补充逻辑 状态2：能想起几个名词，但还是陌生 看资料，补充逻辑，动手实践 状态3：能用基本要素写一些简单功能，但只能覆盖很小一部分场景 (间接经验)补充使用场景，在场景中反复折叠逻辑，反复动手实践 状态4：能完成功能模块，但限于项目，有些场景依然无法覆盖 (直接经验)寻找这些场景，学习开源项目 状态5：能完成需求，但是无法主导项目 主动获取资源，拿到经验包，直面需求 状态6：掌握20%的核心知识(反复折叠得到)，覆盖80%的场景，并能分析场景给出方案 封装知识复用

参考 wxf blog/project/学习专题，之前的文章比较散，这一篇结合实践重新组织一下逻辑。
阅读顺序：
学习工程化
主题阅读方法
材料覆盖率
领域驱动+搭积木
这个话题不想再提了。
1 学习 ！= 阅读、刷课
学习是有目的性的把对方的概念空间转化成自己的，一个概念包含大量的细节，需要反复折叠才能摸到概念的边界
唯一重要的是思想，思想是看事物的视角，基于此视角形成概念空间。概念是信息的压缩
所以如果要检验是否看到真东西，就把概念还原成场景，忘掉概念
2 学习需要状态
如上提到的，如果今天很困，或者不是很想看书，效率会很低
第一点要确保精力充足，睡好、吃好、玩好，心无杂念，效率是最高的
第二点要确保随时进入状态，B=MAT M很简单，热爱，能从中获得乐趣，或者说不得不学；T得设计，可以把两个动作串起来(行为链)，比如在GTD里面放数学题，或者埋几个外部触发的点(这两个都是很自然的触发器)；A的话需要降低行为过程中的阻力，需要：整块不被打扰的时间、笔记(留更多带宽给大脑思考)、实践平台
3 启发式学习
在工程实践过程中，更多的是没有方向。
效率最高的是问从业者，他们已经形成一套稳定的解决方案；第二是看源码；第三是阅读相关领域书籍、论文，穷举所有可能性，方案也就出来了(这个最怕的是视角不对，视角不对，很多概念出不来)
看源码或文献，从历史开始研究，效率最高
focus: 历史、已经出现的概念空间、各种影响因素
4 如何构建复杂逻辑
这个需要一个思维模型：一个框，所有遇到的概念或逻辑链丢到这个框里，等需要的时候再拿出来用。或者说时不时拿一两个出来做推演或观察(可能出现gap的情况)
要保证短逻辑链的稳固，需要在一个场景中能很纯熟的使用现有概念+工具解决问题 (类似于飞行员检查清单)、(这里建议看下《穷查理宝典》，有很多有用的工具)
ref git 飞行规则
在稳固的前提下扩展，尽量不影响原有逻辑。只要模型跟现实世界相符，偏底层，很少出现推倒重建的情况
5 实战流程
问题列表 问题–>框定范围–>资料搜集–>断语拼凑–>短逻辑链整理<–>练习、维持手感–>敲掉问题 资料搜集，参考“主题阅读” 断语拼凑，参考“文档池及搜索入口搭建” 短逻辑链整理，参考“demo，及开源代码阅读方法，简言之，先跑起来” 练习，参考“环境搭建”
现在特别喜欢工作里遇到不懂的问题，这意味着我当前的知识和问题之间，存在不少的gap点，我是这样“递归”来解决遇到的问题的：
把遇到的问题一个个写下来，形成一个“问题列表”（list of problem），对问题的描述越具体越好； 遍历第一步形成的“问题列表”，逐个解决。过程中记录、整理下来当前知识到解决这个问题之间，需要新增的知识点； 第2步解决问题时如果同样遇到了问题，同样按照第一步的流程，把解决这个问题时遇到的子问题添加到“问题列表”里； 重复以上三步，直到清空“问题列表”中的所有问题。 （附图中是这个流程的伪代码，但是不够准确，修改后的伪代码见评论）
四步下来之后，基本就完成了当前知识到问题之间，所有问题点的清理，以及新增知识点的整理。
知识点整理，需要落到具体的（文件）存储中，而不能仅仅局限于自己脑子里的“内存记忆”，而落到存储中需要有以下的要求：
条理化、结构化； 如果有可能，尽量增加图形化描述； 时常回顾，确保每次回顾都能看懂以前的表述，如果没有就修改或者润色。 整个流程的重点是：
把大的问题，划分成一个个的子问题，划分的标准是：是否能够解决这个子问题，如果不能就接着划分，让大的不能直接解决的问题“越具体越好”。 解决问题的过程中，把缺失的知识点整理补上，这样以后遇到类似的问题就能直接解决了。将原有的知识和新增的知识连接起来。 5 学习策略 学习应该抓重点，抓住几个核心概念，其余的知识点用实践场景慢慢刷新、巩固。这要求主动引入场景 6 分形与自举
7 误区

正好晚上有空，把总结写了。
计划及完成情况 有6个目标，只完成了一个。因为存在不知不知的部分，首先要找方向，其次得搭建框架，再其次得填充细节。
我的目标很简单：自由<-经济保障<-商业(资源+机遇)、产品(知识+生产资料)，看看今年的进度。
第一个目标是基础技能构建，针对这个目标问两个问题：什么技术值得投资，怎么才能判定技术能力到达某一层次？
第一个问题，技术和场景有关，有些东西可能永远都用不到，所以先检查自己所在的场景覆盖哪些技术栈，将其作为主要攻克方向。其他的找自己感兴趣的学。有个标准，好的技术能提供很强的控制力。
第二个问题，分两段，第一段是学习，第二段是应用，这两段的流程跑通了，再辅以大量实践到纯熟，就能很轻松判断自己的技术能力。 针对学习的流程：原始资料(简悦+ebooks 20250227add百度云在线阅读pdf)->结构化(坚果云+markdown 20250227add博客园)->索引(本地知识库索引 rga、自定义搜索网络)+间隔重复 针对应用的流程：实践平台(msys2)->猜想及验证
基于对这两个问题的回答，来构建基础技能，一年前我对这个目标的理解很肤浅，有了对两个问题的解答后，就有了完成标准。 基础技能的构建分为四块:机械、电气、电子、计算机，其中有些没补充完整，但已经有框架了，暂且认为完成。
什么是设计： 首先规定设计参数，然后针对具体情况添加约束，选出一组满足需求的参数，这个过程叫设计。我的重心放在设计参数库搭建上，具体如下：
机械： 材料选取 绘图原则 常用机械结构
电气： plc程序设计 电气网络分析(接地故障、短路、人体安全) 选型库 电气绘图标准
电子：
计算机： 图灵机+编程语言(表达力边界) linux系统 高性能程序构建
上述就是针对“基础技能构建”计划生成的框架类的东西，往里面填了一些内容。但是细节填充得靠项目，得引入资源，所以拿到框架就好，细节填充可以放到“项目”计划。
实际经历及收获 4月底到非标行业，岗位变化：plc设计->售后->现场调试->上位机开发。
售后去了大量现场，要让设备在现场良好运行，需要关注的地方挺多的。 现场调试涉及到机械类、电气类、上位机产品，印象最深的是为了提升产品性能，需要一点一点，从每一个环节去压榨时间，所以从性能角度考虑去做产品一定不会错。 上位机我是从0开始，用qt做了一些小工具，在学习系统和设计参数库的双系统加持下，切入一个领域还是很轻松的。 plc设计则需要跟现场不断变化的需求作斗争，技术是跟着需求走的，所以这个时候不需要多强的技术，需要对需求的深入理解。
在这个过程中确定了职业方向，还有可能的定居点。
总结一下，今年最大的收获是学习能力有了质的变化，还有技术基础的构建，工作生涯中一些场景的覆盖。遗憾的是拿到的资源太少了，做事情没有魄力，有很多计划未完成，还有一些短板不知道怎么改。
明年展望 明年买个车，尝试下不一样的生活。 电气和计算机优先，切入做项目；社交、投资补充场景。越快越好吧，每一年下来都感觉啥都没干，焦虑。

不知从何说起，首先说两个观察：
1 很多时候人是在不断重复自己，重复固定的行为模式 2 很多人在自己不熟悉的领域表现的很“慢”
基于此，我提出学习工程化的方法，以解决兴趣太广泛的问题。
流程：原始材料–>加工–>提取(适配场景)
在遇到具体场景的时候，我发现很多知识点提取不出来，三个原因：
1 不能即时接触(行为设计角度来讲，阻碍越大，行为就越小几率出现)
2 加工后的材料应该结构化，形成一组组完整的概念空间
3 已经经历的场景生成的概念空间应该保存，以便后期复用
做一套机制，解决上述三个问题，就能不间断学习，且学习速度越来越快。
问题1，我的解决方式是:
md文档归纳知识点，坚果云同步至不同设备，docsify建站分享
问题2，我的解决方式是通过反复折叠，跑通流程，并将关键点记录在上述md文档中，文档归类完毕，应用频率高的知识点往文档顶部走，时间一长，使用频率高的知识点就都顶到头部了。
问题3，我觉得很有必要形成自己的名称空间，你得想办法去实现这些名字代表的具体内容，并将其固化。bash脚本实现书签管理
通过bash脚本接管所有操作。或者一直建立并维护资源类通道
我的常用名称空间大概这样
通过上述三个动作，就能把除了材料加工，场景外的所有内容都交出去。
在没有场景的时候可以通过材料加工构建逻辑链，有场景的时候直接提取，完善修正。
这是操作流程化，涉及到数学知识，计算类的，也要固化成概念，碰到具体场景直接使用做好的概念就成。
end
留存 文档分类
1 保留最原始出处
2 分层组织，运用para规则，+article 学习工程化提到的第三点：构建自己的命名空间
3 检索历史也要保存到log文件，追加至留存文档
问题1： 建一个大文件夹，保存内容如下
简悦自动保存离线网页，丢进去
聊天记录定期导出，丢进去
使用频率较高的pdf，丢进去
md(我试了，可以展示图片，也可以用latex显示数学公式)或org格式写的笔记，丢进去
工程文件，丢进去
这样，基本所有的文档都汇到一个池子了
问题2：
这里主要是笔记和工程类文件
笔记以doc-area分类，比如doc-dianqi，doc-jixie，doc-front，doc-soft，doc-host，etc
工程类文件建pro文件夹，按项目分
检索 经过上面的操作，可以确保文件库大部分文件是文本格式，然后找一个文本检索工具，作为检索入口
recoll，它可以扫描这些文本文件，生成索引表，很快能检索出需要的文本信息
fix:2024/12/05
引入rga，scoop install rga，可以点对点搜索，命令行也更符合使用习惯
fix:2026/01/14
引入filelocator，search pdf , search-yacy, search my pkm
对学习和知识的看法 学习就是建模，跟之前提的构建逻辑链相似。穷举所有状态，让这些状态全部包含在构建的模型当中，就获得了对这个状态空间的控制力
最难的地方在确定最终状态、找出影响要素
假设观测到某种现象，这种现象受到三个要素影响，即使想到了这三个要素，也很难去验证
从0知识出发，建立复杂系统，注定有很长的路要走。
构建的这个叫pkm系统，它解决的是过往经验复用的问题，做时间的朋友。

ref-提到“课题概念”
我意识到人的精力是有限的，无序扩张的结果是啥也做不成；过将就的人生会消耗机会成本，也是对生命的浪费。所以TODO项中出现这么一项
its some examples:
姚尧的33岁生日
我人生的前28年
我眼中的婚恋连载（1）
看得出，事业方面需要持续的投入，艰苦奋斗才能有所成就，坚持下去的动力，可能只有热爱了；爱情方面可遇不可求。
至此，人生的每个阶段需要拿到什么成果，往哪个方向去努力，就很清晰了！！！

穷举法是普通人最快的学习方式
从这两天的经历说起吧，从0开始写s7-200 smart plc程序，过程如下：
我先找手册找出自认为重要的点，然后用单元测试拆解别人的程序，拆解过程中发现了自己很多盲区，然后结合手册和其他人的程序攻破盲区。 在攻破盲区的过程中，最常见的一个问题是没线索，找不到方向(逻辑闭包)；第二个问题是思路闭环了，却没办法验证(环境)；第三个问题是具体操作层面，涉及到很多细节，不自己跑一遍流程就很难受(工程实践)
看一下产品是怎么完成的:
我写程序（大部分是平台级软件，比如bootload，OS，驱动，中间件等。但如果是UI，可能我会省略其中一些步骤）的过程是这样的：
先写基础逻辑
进行逻辑优化
在所有逻辑不straightforward的，或者对不太可靠的库的输入有要求的地方，一概加上ASSERT()
在所有在运行中不会引起性能瓶颈的执行分支上都加上性能统计参数
单元测试 集成测试（通常集成到单机一级）
系统测试，战地测试（这时重点关注所有的性能统计参数，看现网条件下，程序是否按预期运作）
下一个开发循环，复用上一次的单元测试用例
通常我的程序在单元测试后，逻辑错误几乎为0，剩下都是同步，性能一级的错误了，而且，我可以很得意的说，我的程序在数百万乃至上千万个节点上运行，能反馈回来给我的错误也是少之又少的。
这是商业产品开发的样子
基于上述两段话，可以0知识，即使是一个小白，也能很快打通从技术到产品的整个流程，还差一个市场端(不在本文范围)。初始阶段只能通过拆解别人的程序补盲区，积累设计方法，后续开始设计同类型产品，技巧积累的差不多就能自己主导设计了。 可以看出，每一步都是难点。我主要卡在环境和工程实践上，难道除了进公司，借助外部环境外就没别的办法了吗？望指点。

体检手册 rss推送到了体检这个话题，身体健康很重要，且以预防为主，记录一下查资料的结果：
策略 三甲医院体检科、肿瘤内科，开检查单，检查完毕后找医生看就ok 体检报告留存，积累到一块，供医生分析用
保险 惠民保 百万医疗险 统筹医疗
专题-基础项 专题-癌症 专题-工具 ios/健康笔记 ios/icare ios\就诊问问
具体项目 ref 链接：https://pan.baidu.com/s/1HyHdSmZsDEdRo0I3z3nHHw?pwd=2oki 提取码：2oki 思路分享：制定最适合你的体检项目 健康体检基本项目专家共识（2022） http://gzhongen.com.cn/upcase/%E4%BD%93%E6%A3%80%E7%A7%91%EF%BC%88%E9%80%82%E5%90%88%E9%9D%9E%E5%BF%83%E6%A0%87%E9%A1%B9%E7%9B%AE)-2022%E5%81%A5%E5%BA%B7%E4%BD%93%E6%A3%80%E5%9F%BA%E6%9C%AC%E9%A1%B9%E7%9B%AE%E4%B8%93%E5%AE%B6%E5%85%B1%E8%AF%86.pdf

材料覆盖率 log:材料覆盖率章节增加材料索引相关内容
如何保证材料覆盖率？
所有的东西都是为了满足某些需求，人为创造出来的，所以需要知道这套控制方案产生的驱动力是什么，在创造这一套控制框架的过程中，是如何选取组织材料的，有哪些取舍，效果如何，未来如何演化
降一层，自己构建出这个工具，(原子语言、基于原子语言构建的一个平台类的东西)
然后以该工具提供的接口为基础，在不同场景的应用；如何确保构建的程序可控(基于SDK，再做一层抽象，为了满足具体业务)
应用过程中出现的问题及排查措施、解决方案(补全2中的逻辑、工程漏洞)
最终得到的是一个不人为干预，完美运行的机器(理想状态)，事实上，没有完美的系统
材料覆盖率，说的就是材料中上面四个层次信息的覆盖情况。
step1:
因为信息都是人产出的，要么是网页形式，要么是书本，视频。
找该领域的20-30人，把他们产出的所有资料遍历一遍，这样做的目的是画一张大图，标几个关键点。
具体操作：搜索：电气设计 xxx，然后必然会搜出些书、知乎文章类似的，顺藤摸瓜，把里面提到的所有参考资料、人汇聚到一起，凑够30个，就大功告成了
实际操作：
ref 自定义搜索引擎
参考这篇文章，把平时索引搜集到的使用频率较高、内容质量相对比较高的网站放到google的自定义搜索引擎，可大大提升检索效率
ref 搭建个人文档池
实例：
在想办法解决qt界面自适应的时候，直接从google搜索，效率很低；在博客园搜，大概半个小时找到了解决方案。所以自定义搜索引擎可以加速从未知到已知的速度。
还有一个好处是可以不断积累，一切问题从已积累的材料入手，清晰划出了个人能力的边界，如果问题超出了能力圈，也知道怎么扩展能力圈。
还需要实践场景，解决的是从已知到熟练
step2:
无学习路径
通过各种方式搜集断语，用自己的话写下来–>凑逻辑链–>做练习，从不同角度检测逻辑链–>淘汰没用的概念，成熟的闭环逻辑封存备用(注：可能需要花很长时间)
搜集断语路径：
技术文档 > 博客 >
2024/03/16 实践–>技术文档–>书单(扩充概念)
step3:
用工程手段探测，分析系统，找系统的控制点。这样相当于把视角切入到系统内部，有庖丁解牛，不见全牛的感觉。
依然是上面提到的四个层次，关注三个点：基本要素、抽象机制、组合机制。一个系统肯定能分解成最基本的部分。这里主要解决一个方向的问题，费曼有句话，凡我不能创造，我就不能理解。
如果step1的覆盖率足够的话，应该是能解决方向的问题，如果不行就求助有经验的员工，学习他们debug的思路，补全这块知识
2024/07/21 搜素proteus仿真相关书籍，内容有：所有功能介绍(当手册看)，经典电路，proteus构建仿真的思路及流程(此为上述覆盖率的一个实例)
2024/07/27 出现找一个资料死也找不到的情况，这时候要check下文档搜集路径(即网络)
2024/12/13 给出具体的索引方案，更新step1
领域驱动+搭积木 说说我是怎么学习c语言的。
我认为c语言是构建出的工具，为了使用好这个工具，得往下降一层，去学习编译器相关原理，但是也不用学的太多，有这么一张表足够，上面写了基本元素和语法规则、语义，此两者相当于象棋规则。
知晓规则后便是为了实现我们的目标，精心编排代码段。编排代码段跟搭积木类似，不管多复杂的逻辑，最终要回到这些基本要素，要做的是把相关的逻辑链跑通，然后看看人家是怎么搭积木的，用自己的方式实现一遍。
如此不断遍历，学会编程只是时间问题。但是，我在网上看到的c语言教学，都是教着写语句，++循环，乱七八糟的，那玩意用教么，给个表照着写不成吗，误人子弟
第二种是领域驱动，因为代码反映现实，跟具体领域相关，只有对编程的理解还不够，需补充领域相关知识，这时候需要请领域专家，一起建模，直到模型跑通了，产出产品为止。