这是脱敏镜像。 本仓库由本地学习工作区的
scripts/publish.sh自动导出,公开前做了两层处理:
- 标识替换:本机绝对路径(
/home/...)、GitHub 账号、邮箱等替换为~/...或占位符;- 场景泛化:业务场景里的可识别细节(具体终端形态、设备位置)替换为通用描述。
因此本仓库中的路径不能照抄执行,请按「本地练习环境」一节改成你自己的路径。 脱敏规则本身保存在本地、不随仓库分发;导出脚本会做「残留检查」,只要敏感原文仍能命中就整体失败、不产出镜像。
这是我的 BullMQ 学习工作区,按 learning-coach 的约定维护:计划、日志、错点、复习队列全部落盘,任何一次新会话都能凭文件接着上次继续,不用重新交代背景。
| 项目 | 内容 |
|---|---|
| 目标 | 两周内达到「能上手写(生产落地)+ 面试能答」 |
| 约定截止日 | 2026-10-12(用户指定;我的推荐日是 2026-10-19,按 7 h/周 换算) |
| 总预算 | 约 20.1 h(含 35% 复习),10 个学习单元 S01–S10 |
| 版本基线 | BullMQ v6(最新 6.3.9) |
| 贯穿场景 | 客户端 App → 业务服务器 → 现场设备(开/关空调) |
完整计划见 bullmq/PLAN.md(v1 已冻结,改动只追加修订记录 + bullmq/archive/ 快照)。
learning/
├── INDEX.md # 学习域索引(由脚本生成)
└── bullmq/
├── AGENTS.md # 本目录约定(给未来的自己/agent 看)
├── PLAN.md # 学习计划:目标、截止日、阶段、检查点、修订记录
├── topics.md # 冲刺单元表(S01–S10)+ 完整知识地图(T01–T34)
├── state.json # 机器可读状态:进度、掌握度、复习队列
├── notes/ # 每个单元的讲义与复述稿
├── logs/ # 每轮学习日志(YYYY-MM-DD-HHmm-NNN-rrrr.md)
├── archive/ # 计划快照 PLAN-v1.md …
├── scripts/ # 主题登记脚本(幂等)
└── practice/ # 动手练习代码(package.json + 示例)
- 读
bullmq/state.json、bullmq/PLAN.md、bullmq/topics.md,再看bullmq/logs/里最近一篇; - 跑
python3 ~/.codex/skills/learning-coach/scripts/learn.py due --root bullmq --horizon 3看待复习项,先复习再上新内容; - 学完一个单元按「讲解 → 费曼复述 → 考官五维打分 → 写日志」走,掌握度 < 0.6 的单元下一轮必须重讲。
仓库里不含运行环境(.gitignore 已排除),需要时按下面重建:
# 1) Redis(本机用户态编译,端口 6390;沙箱内需以非沙箱方式启动)
mkdir -p .tools && cd .tools
curl -sSL -o redis.tar.gz https://download.redis.io/releases/redis-8.10.2.tar.gz
tar xzf redis.tar.gz && cd redis-8.10.2 && make -j8 MALLOC=libc BUILD_TLS=no
./src/redis-server --port 6390 --daemonize yes --dir ../data --save '' --appendonly no
# 2) 依赖
cd bullmq/practice && npm install bullmq- 本仓库是个人学习记录:计划、讲义、日志、面试问答都会持续追加。
- 讲义里的 API 行为尽量标注了来源与核实状态(
已核实/未核实),未核实项会写明确认方式。
| 仓库 | 内容 | 用途 |
|---|---|---|
| 本仓库(private) | 原始工作区:真实绝对路径、真实业务场景、脱敏规则文件,全部保留 | 跨机器接手、完整可追溯 |
公开镜像(bullmq-learning) |
由 scripts/publish.sh 生成的脱敏副本 |
对外分享 |
同步命令:
bash scripts/sync-private.sh # 原始版 → private 仓库
bash scripts/sync-public.sh # 脱敏版 → 公开仓库在另一台电脑上接手的步骤:克隆本仓库 → 重建练习环境(见上「本地练习环境」)→ 让 agent 读 bullmq/AGENTS.md 与 bullmq/state.json,按 bullmq/PLAN.md 的阶段继续。注意 PLAN.md 与 state.json 里记的是原来那台机器的绝对路径,必要时先按新机器路径更新这两处。