分布式训练工程从零到一
项目目标
在 10–14 天内交付一个可演示的小型系统或研究报告，主题紧扣 分布式训练工程，并满足：
- 有清晰问题定义与非目标；
- 有可复现实验；
- 有对照与指标；
- 有风险与回滚说明。
里程碑
| 阶段 | 天数 | 产出 |
|---|---|---|
| M0 选题 | 1 | 一页提案 |
| M1 基线 | 2–3 | 可运行 baseline |
| M2 迭代 | 4–8 | ≥2 次对照优化 |
| M3 加固 | 9–11 | 评测/安全/文档 |
| M4 演示 | 12–14 | Demo + 复盘 |
提案模板
# 标题
## 问题
## 用户与场景
## 成功指标 / 否决项
## 方案草案（含 分布式训练 关键路径）
## 风险
## 时间盒
技术路径示例
结合支柱：数据并行, 张量/流水并行, 通信, 显存账本 …
- 复现公开最小示例；
- 换成你的数据/约束；
- 只改一个模块做对照；
- 固化配置与脚本；
- 写「别人如何复现」文档。
验收清单（答辩用）
- 3 分钟讲清问题与指标；
- 现场复现关键 Demo；
- 展示失败案例与处理；
- 给出下一步 30 天计划。
演示结构建议
- 场景（30s）
- 架构图（1min）
- 指标对照（1min）
- 现场操作（1min）
- 局限与伦理（30s）
结束后的学习路径
- 横向：相邻课程（LLM 原理 / 推理引擎 / 安全 / 端侧）
- 纵向：把本项目扩展到生产配置与监控
- 社区：整理可公开部分发到学习社区（脱敏）
结语
从零到一不是「一次写完美」，而是把不确定变成可管理的实验序列。祝你在 StoneXYZ AI 的学习路径上交付出自己真正理解的作品。
延伸练习与检查表
- 把本页清单复制到团队 Wiki，按周打勾。
- 选一个开源仓库，映射到本文模块表。
- 写 5 条「如果失败会怎样」的演练题并实际跑一次。
- 将指标口径写成 ADR（架构决策记录）短文。
- 与相邻课程（推理/安全/部署）做一次联合对照实验。