Rust 学习的 7 月：用里程碑式目标替代每天学多少小时的策略

Rust 学习的 7 月用里程碑式目标替代每天学多少小时的策略一、为什么每天学 X 小时注定失败我 6 月份统计过自己的学习时间——最高峰一天 10 小时最低峰不到 1 小时平均下来每天 3.5 小时。但这个平均 3.5 小时掩盖了一个致命的问题我在 10 小时那天学的和 1 小时那天学的效果相差 10 倍不止。关键不是我学了多久而是我在那段时间里学到了什么。复盘 6 月的 100 多个小时我发现时间投入和知识掌握的 R² 不到 0.3。影响因素太多了精神状态、难度、环境、是否有卡点——这些都比学了几小时影响大。7 月我彻底废掉了时间追踪。不看番茄钟、不设每日目标、不统计学习时长。取而代之的是 4 个明确里程碑完成 AI CLI 的最小闭环、实现 Provider trait 支持多后端、拆 workspace 降低编译时间、插件系统能注册并执行技能。二、里程碑式学习的三个核心原则里程碑式策略不是不做计划而是把计划的粒度从时间变成结果。我总结了三个原则原则一里程碑必须可验证。学会所有权不是里程碑因为它无法验证。能用所有权概念解释为什么这段代码不编译才是。7 月每个里程碑的前面都有具体可验证的输出——一段能跑的代码、一张依赖图、一套能编译通过的测试。原则二里程碑之间要有递进关系。这四个里程碑不是并列的——前一个的输出是后一个的输入。完成 CLI 闭环后我自然知道 Provider 需要什么接口拆完 workspace 后插件需要哪些 crate 就清楚了。这种递进保证了知识不是散装积累的而是有结构地生长的。原则三里程碑完成才向前走不能差不多就行。这一点对我这种尤其重要。很多时候代码差不多能跑就想推进下一个里程碑但这样堆积的问题会像雪球一样滚大。// // 里程碑验证不是代码能跑是各种情况都考虑到了 // /// 里程碑一的验证代码CLI 闭环各种边界都要处理好 use clap::Parser; /// AI CLI 的命令行参数定义 /// 用 clap 的 derive 宏自动生成解析逻辑 #[derive(Parser, Debug)] #[command(name ai-cli, about 终端 AI 助手)] struct Cli { /// 用户提问内容必填不能为空 #[arg(required true)] prompt: VecString, /// 指定使用哪个 AI 模型 #[arg(short, long, default_value gpt-4o-mini)] model: String, /// 是否使用流式输出打字机效果 #[arg(long, default_value_t false)] stream: bool, } fn validate_cli(cli: Cli) - Result(), String { // 里程碑验证第一步输入不能为空 let prompt cli.prompt.join( ); if prompt.trim().is_empty() { return Err(prompt 不能为空 — 里程碑一要求输入校验到位.to_string()); } // 里程碑验证第二步模型名不能为空 if cli.model.trim().is_empty() { return Err(model 不能为空 — 默认值应该在参数层兜底.to_string()); } Ok(()) }验证代码才是里程碑的验收标准。功能能跑只是及格——考虑边界、错误处理、输入校验这些才算真正完成。三、从经验贴到实战真的能抄作业吗我看了大量 Rust 学习路径的经验贴它们通常推荐看 The Book → 做 Rustlings → 写小项目。这路径没错但它忽略了一个独有的痛点基础断层。科班生说这跟 C 的内存管理很像时的我不知道 C 是怎么管内存的。科班生说类似操作系统的页面置换时我没学过操作系统。这就是为什么我不能完全照搬别人的路径必须在每个里程碑里把缺失的知识也补上。7 月做 workspace 拆分时我不懂什么是增量编译、不懂 cargo 怎么决定重编译哪些 crate。我没有跳过这一步去抄别人的 workspace 配置而是花了一下午读 cargo book 的编译模型章节彻底理解了为什么拆 crate 能加速编译之后才动手设计自己的 workspace 结构。四、7 月里程碑驱动的实际数据既然说月度复盘就拿出数据。四个里程碑的实际耗时和产出里程碑计划天数实际天数产出CLI 最小闭环7 天9 天main.rs 1200 行单一后端Provider trait 抽象5 天6 天3 个后端适配器统一错误类型Workspace 拆分7 天8 天5 个 crate编译 20s→3s插件系统10 天8 天5 个技能测试覆盖率 32%最后里程碑还提前了两天——因为前三步的知识积累让判断更准了。这也是里程碑式学习的正反馈你越了解自己在学什么就越能准确估计下一步需要什么资源。五、总结7 月从时间驱动切换成里程碑驱动是我学习 Rust 以来最重要的策略调整。不怕起步慢怕的是在焦虑里乱撞。三条总结放弃计时器拥抱可验证的输出。学 8 小时不如让这个函数处理 5 种错误并写测试。里程碑之间要递进前一个的输出就是后一个的输入这样知识是长出来的而不是堆积的。补基础不丢人比科班多做的每一步都是在弥补信息差——这个时间花得值。8 月我的里程碑已经定好了把 AI CLI 的测试覆盖推到 80% 以上让这个工具真正能放心用。