一个面向企业 SaaS 权限管理场景的 AI 应用工程项目：把自然语言变更需求转换为可校验、可审批、可执行、可追溯的结构化变更。
这是转型路线中的核心作品课程，不是全部能力课程。这个仓库独立于 go-learning：go-learning 负责简单的 Go 后端入门；本项目负责完整产品、Agent 控制流、权限安全、异步执行和可靠性，不同步两边的关卡或进度。RAG、限时编码和不属于本产品必要链路的专项能力另行学习。
当前批次：A-Preview AI 预览版。当前里程碑：A0 故事壳。当前整合周期：A0.1 可点击故事壳。
当前关：走通北极星演示故事，明确整个周期要展示的用户流程，以及哪些部分真实、暂代和延后。
- 当前任务与通关条件：
current.md - 当前关课程：
lessons/0001-core-demo-story.html - 批次路线与当前位置：
roadmap.html
A0.1 会在累计约 3–5 小时、四个关卡后形成第一个可点击小版本。A-Preview 会在约 15–20 个有效小时内形成可独立演示的真实 AI 预览版，不必先完成 MySQL 或等待两个月。
最终交付一个可以本地复现和公开演示的权限变更系统：
- 申请人用自然语言描述权限变更。
- Agent 查询真实业务状态并生成结构化计划。
- 确定性代码校验对象、权限范围、风险和审批要求。
- 用户查看变更前后差异并提交审批。
- 审批后立即或按计划执行。
- 传统管理后台显示最新结果，完整过程进入审计记录。
最终验收不是“能聊天”，而是能用 10 分钟演示业务价值，并能在项目深挖中解释数据、状态、失败、安全和工程取舍。
课程采用“关卡 + 整合周期 + 交付批次”三层节奏：
- 平时只打开
current.md，一次处理一个 30–60 分钟关卡。 - 每关完成“问题定义 → 方案判断 → AI 委托 → 产出审查 → 验证挑战 → 有效干预 → 证据解释”的协作闭环。
- 每累计约 3–5 小时完成一个整合周期，把最近的内容接回同一条主流程并发布可演示小版本。
- 整合周期不绑定自然周；中断后从当前关继续，不补欠下的任务。
- 第一个周期允许固定数据和模拟动作，但必须标明真实、暂代和延后；后续每轮替换一个主要暂代部分。
- 北极星场景固定为完整的权限变更故事，用来校准最终产品流程；当前可执行切片是本周期真正运行和验证的较小能力。A1/A2 先真实完成低风险空角色，不把它冒充为已经完成权限设置、审批和定时执行。
- 每个整合周期都要重新展示北极星故事壳、运行当前可执行切片，并说明这个切片替换了北极星流程中的哪一部分；两者必须复用同一套页面、契约和业务命令，不能形成两套 Demo。
- AI 可以参与全部关卡并主写样板和常规实现；学习者必须定义约束、审查产出、挑战失败路径、完成有效干预并解释关键链路。
- 超过 60 分钟仍无法反馈时拆关；周期接近 5 小时仍无法演示时缩小场景，不推迟到末期集成。
批次 A-Preview：故事壳
-> React + Go 内存业务链路
-> fake/真实模型生成 PlanDraft
-> 确认后改变内存状态
-> 后台、内存审计和 5–6 条评测
批次 A-MVP：沿用预览版
-> MySQL 替换内存 repository
-> search_organizations 与最小上下文
-> 预算、终止、Run Trace 和约 10 条评测
批次 B：权限计划与确定性风险
-> 完整工具与澄清
-> 身份、职责分离和审批
-> 立即执行和 20–25 条评测
批次 C：定时、幂等和恢复
-> 40 条评测与 AI 安全
-> Trace、成本和延迟
-> 部署、恢复与项目表达
每批都是可以演示、暂停和重新决策的交付版本。完成 A-Preview 已经有真实 AI 作品；完成 A-MVP 得到可持续演进的最小产品；完成 A-MVP+B 达到主要投递目标；C 根据面试与行业反馈进行生产强化。
全部四批预计需要 120–150 小时有效投入，基准计划约 135 小时。这里包含问题定义、方案判断、AI 委托与审查、运行验证、有效干预、失败调试、周期 Boss、批次发布和学习记录，不包含单独的 go-learning 基础课程。批次发布并入本批最后一个整合周期，不在下列工时之外额外叠加。拆分只缩短第一次反馈窗口，不删除本项目内的能力目标。
- 批次 A-Preview，15–20 小时：每周 5 小时约 3–4 周，交付真实模型驱动的 AI 预览版。
- 批次 A-MVP，再投入约 15–20 小时：两批 A 的分批区间联动估算，不各取最低值机械相加；合计按 35–40 小时控制，交付持久化且可追踪的最小 AI 产品。
- 批次 B，40–50 小时：再用约 8–10 周，A-Preview+A-MVP+B 累计 75–90 小时后开始投递。
- 批次 C，45–60 小时：再用约 9–12 周，按外部反馈选择生产强化内容。
这是容量估算，不是要求连续学习半年的截止日期。每批结束都先发布、获取反馈并刷新技术判断，再决定是否继续下一批；中断后继续当前关，不补课、不追赶。
AI 概念不集中成一段脱离项目的理论课。每关最多引入一个主要概念和一个辅助概念，按“先遇到问题 → 建立最小心智模型 → 操作和观察 → 制造失败 → 解释边界”的顺序学习，并在后续批次螺旋加深。
A-Preview 先搭建 Harness 骨架：fake/真实模型适配器、Prompt 与 schema 版本、PlanDraft 解析校验和 5–6 条回放样本。A-MVP 在同一骨架上补 search_organizations、最小上下文、工具 registry、受限循环、预算、终止、Run Trace，并把样本扩展到约 10 条。批次 B 加深工具、澄清、身份和审批边界；批次 C 再升级为覆盖 40 条样本、安全攻击与指标对比的 Eval Harness。
每批最后都有一次技术刷新：复查当前模型、Structured Output、Tool Calling、Agent SDK/协议、评测方法和岗位要求，只调整尚未开始的下一批，不为了追逐新名词推翻已经证明的稳定业务边界。
代码生产不是本项目的主要评分对象。语法、UI 样板、DTO 映射、常规 CRUD 和测试脚手架默认可以由 AI 主写；schema、状态转换、权限、事务、幂等和工具授权必须由学习者先定约束并逐项审查；失败测试、Trace、并发复现和修复验证由学习者主导问题与证据。
每关的固定通关证据是一份任务约束、一个关键决策、一个失败证据和一次有效干预。只有 AI 生成代码与成功截图不能通关，机械改名不算有效干预；不能解释关键调用链、责任边界或失败原因时，即使代码可以运行，也不能把能力标为“已证明”。Go 语法、基础 CRUD 和限时编码仍由独立课程承载。
这套口径只改变学习责任和通关证据，不改变运行时 API、PlanDraft、产品数据模型或四批次交付顺序。
| 能力范围 | 承载位置 | 本项目中的口径 |
|---|---|---|
| 产品闭环、LLM 结构化输出、Tool Calling、Agent 控制流、评测、安全、异步与可靠性 | permission-change-agent |
核心作品证据 |
| Go 语法、基础 CRUD、独立追踪简单 REST 与数据库调用 | go-learning |
进入对应项目阶段前的准备能力 |
| RAG 全链路、通用流式生成、限时编码与专项面试训练 | 独立练习或后续课程 | 岗位能力仍需补齐，但不为覆盖关键词塞入权限项目 |
完成本项目只能证明表中第一行的作品能力；是否达到投递标准，还要结合后端基础、专项练习和真实面试反馈判断。
current.md：权限项目唯一的日常入口roadmap.html：批次、整合周期、关卡状态和整体位置lessons/：只存放已经解锁的项目关卡learning-records/：关卡证据、整合周期记录和批次发布记录docs/mission.md：项目使命、成功标准和范围docs/product-spec.md：最终产品角色、流程、规则和验收场景docs/architecture.md：最终技术边界以及洋葱式实现顺序docs/course-design.md：教师用批次、周期和关卡设计docs/capability-ledger.md：能力是否已经被实际证据证明docs/teaching-notes.md：当前学习者的协作和难度调节规则
- 前端：React、TypeScript、Vite、React Router、TanStack Query
- 后端：Go、
net/http、database/sql、原生 SQL - 数据库：MySQL 8
- 运行：API 与 Worker 共用 Go 代码库，通过 Docker Compose 组合运行
- 模型：可配置的兼容接口，并提供测试用 fake provider
- 部署：本地一键复现，后期部署到单台 Linux 主机
四个批次默认都不引入 ORM、Redis、消息队列、微服务、多 Agent 或 RAG。