学习
这里整理我正在关注的系统编程资料。它不是“全部看完”的完成清单，而是一张持续维护的路线图：先确定当前问题，再选择一份主材料和一份练习材料。
TIP
如果你也在学习这个方向，可以先阅读我的系统学习地图，里面说明了各部分之间的关系和建议顺序。
当前主线
| 阶段 | 核心问题 | 预期输出 |
|---|---|---|
| Rust | 如何安全、清晰地表达系统程序？ | 小工具、练习代码、概念笔记 |
| 操作系统 | 进程、内存和文件系统怎样工作？ | 内核实验、执行路径图 |
| 组成原理 | 软件抽象如何落到处理器和设备？ | RTL 练习、调试记录 |
| Linux 内核 | 真实内核如何实现这些机制？ | 调用链笔记、源码分析 |
基础工具与 Linux 环境
- The Missing Semester 中文版：先补齐 Shell、编辑器、Git、调试与自动化等课程里常被略过的实用工具。
- Linux Journey：从命令行、权限和进程逐步进入文件系统、网络与系统管理。
- Learn X in Y Minutes：需要快速了解一门语言或配置格式时，用它建立语法概览，再转向正式文档。
- Arch Linux：通过发行版公告、软件包与社区资源了解一个持续更新的 Linux 系统；具体配置问题可继续查阅 ArchWiki。
Rust
主线阅读
- Rust 语言圣经：中文主教程，适合系统建立所有权、生命周期、类型与并发知识。
- Comprehensive Rust：内容紧凑，适合有其他语言基础时快速过一遍，也适合复习。
动手练习
- 100 Exercises to Learn Rust：短小、连续的练习，用来把概念变成肌肉记忆。
- Rust Algorithm Solutions：通过算法题熟悉容器、迭代器与所有权写法。
- Rust Learning Projects：寻找合适的小项目，把语言知识带入完整程序。
操作系统
建立概念
- 操作系统：设计与实现：从程序和真实问题出发理解操作系统抽象，适合作为理论主线。
完成实验
- rCore Tutorial v3：用 Rust 逐步实现教学内核，连接语言、体系结构和操作系统知识。
- rCore Tutorial Guide 2025S：实验环境、任务要求与排错入口。
- ArceOS Tutorial Book：了解组件化内核的构造方式，适合在完成基础实验后继续阅读。
继续实践
- Linux Kernel Labs：用讲义和动手实验学习系统调用、进程、内存、中断与设备驱动，适合从教学内核过渡到真实 Linux。
- openEuler：观察服务器、云、边缘和嵌入式场景中的开源 Linux 发行版生态，也可以从 SIG 与贡献指南进入社区实践。
- LinuxBlog.io：补充 Linux 管理、性能优化、网络、安全和故障排查方面的实用文章。
计算机组成与 Verilog
- CS61C: Great Ideas in Computer Architecture：从 C、RISC-V 进入数据通路、流水线、缓存、并行与虚拟内存，适合作为组成原理主线。
- Onur Mutlu's Lecture Videos and Materials：包含数字设计、计算机体系结构、并行架构和内存系统课程，适合在主线之后按专题深入。
- ChipVerify Verilog Tutorial：按主题学习 Verilog 语法、模块、过程块和验证基础。
- HDLBits：在线 Verilog 练习平台，用于巩固组合逻辑、时序逻辑和有限状态机。
建议先用 CS61C 建立“程序—指令—处理器—存储层次”的联系，再用 ChipVerify 与 HDLBits 完成小型电路练习；遇到体系结构或内存系统问题时，再进入 Onur Mutlu 的专题课程。
Linux 内核
- Linux Kernel Source：支持符号搜索和交叉引用，适合追踪函数、结构体与调用关系。
- Linux Kernel Documentation：内核官方文档；遇到具体子系统时优先从这里查起。
阅读源码时，我会尽量从一个具体入口切入，例如一次系统调用、一个 /proc 节点或一次中断，而不是按目录顺序浏览整个内核。
AI 工程与模型基础
- Neural Networks: Zero to Hero：从反向传播开始亲手构建神经网络、语言模型、GPT 与 tokenizer，适合建立模型内部机制的直觉。
- AI Engineer Roadmap：用路线图检查应用 AI 所需的模型、工具和工程能力，适合查漏补缺，不必按图一次性学完。
这部分暂时作为拓展路线：先完成 Zero to Hero 中可运行的实现，再用 Roadmap 选择与实际项目有关的下一项能力，避免把路线图变成收藏清单。
学习记录原则
- 每次只解决一个足够具体的问题。
- 阅读后必须留下代码、图示、实验结果或简短总结中的至少一种。
- 资料重复时保留更清晰、更新更稳定的一份。
- 无法验证的理解标记为待确认，不把猜测写成结论。
- 每完成一个阶段，整理为一篇可以独立阅读的文章。