InfoQ 已开放三期八月开班的在线认证训练营，周期均为五周。三个方向分别聚焦架构、工程领导力，以及 AI 安全与隐私，并由 Luca Mezzalira、Michelle Brush 和 Katharine Jarmul 三位资深实践者带领。与单纯观看演讲不同，这些训练营强调把 QCon 演讲中的框架带回参与者自己的工作场景，在连续数周内完成应用和验证。
三个方向解决的是不同层级的问题
架构、领导力和 AI 安全经常同时出现在技术负责人的任务列表里，但它们对应的决策对象并不相同。
Luca Mezzalira 主持的架构方向，更适合正在处理系统边界、团队协作边界或架构演进问题的开发者与架构师。参加者不应只带着“想学习架构”的宽泛目标，而应准备一个真实问题，例如服务拆分后发布效率没有改善，或者前端系统随着团队扩张变得难以独立交付。
Michelle Brush 主持的工程领导力方向，关注的核心是如何通过团队和组织产生结果。适合带着具体管理难题进入训练营，例如跨团队项目长期等待决策、技术债无法进入规划，或团队指标与业务结果脱节。
Katharine Jarmul 主持的 AI 安全与隐私方向，面向正在构建、采购或治理 AI 系统的工程人员。可带入的实际问题包括敏感数据是否会进入模型请求、日志保留哪些字段，以及如何验证提示词注入等风险的防护措施。
选择方向时，一个实用判断标准是：未来五周内，你能影响哪一类决策？如果能够调整系统边界，选架构；如果能够改变团队机制，选工程领导力；如果能够修改 AI 数据流或安全控制，选 AI 安全与隐私。训练内容只有进入真实决策，才会从知识变成能力。
五周训练的价值在于连续反馈
一次演讲可以解释一个框架，却很难覆盖框架进入现实系统后的阻力。真实项目通常存在历史架构、交付期限、权限边界和组织关系。五周的在线 cohort 形式提供了一个更长的反馈周期：参与者可以把框架用于自己的工作，再根据结果修正假设。
这也意味着，报名之前最好准备一个范围足够小、五周内可以观察变化的课题。像“完成公司数字化转型”这样的目标无法验证；“把订单服务一次发布的人工审批从三个减到一个，并保持回滚控制”则更容易形成实验。
建议为课题定义三类信息：
- 当前状态：问题发生在哪里，有哪些可验证的证据。
- 干预动作：五周内能够真正执行什么改变。
- 结果指标：用什么信号判断框架是否产生效果。
可以这样实践：建立一份五周实验档案
下面是一个可改造的最小伪项目。这里不假设训练营提供特定 API；示例只是帮助参与者在本地记录问题、每周实验和验收指标。
先创建 cohort-plan.yaml。把 track 改成 architecture、engineering-leadership 或 ai-security-privacy，再替换成自己的工作课题：
track: ai-security-privacy
problem: "内部知识助手可能把敏感字段发送给外部模型"
owner: "platform-team"
baseline:
requests_sampled: 100
sensitive_requests_found: 8
weeks:
- week: 1
action: "绘制用户输入、检索结果、模型请求和日志的数据流"
evidence: "docs/data-flow.md"
- week: 2
action: "在模型调用前增加敏感字段检测"
evidence: "tests/test_redaction.py"
- week: 3
action: "对提示词注入样本运行回归测试"
evidence: "reports/injection-tests.json"
- week: 4
action: "审查日志字段和保留周期"
evidence: "docs/logging-policy.md"
- week: 5
action: "复测样本并记录剩余风险"
evidence: "reports/final-review.md"
success_metrics:
sensitive_requests_found_max: 0
regression_tests_pass_rate_min: 0.95
如果本机已安装 Python 3，可以使用下面的标准库脚本生成每周检查清单。脚本不依赖第三方 YAML 解析器，而是读取同样易于维护的 JSON 计划：
# check_plan.py
import json
from pathlib import Path
plan = json.loads(Path("cohort-plan.json").read_text(encoding="utf-8"))
required = {"track", "problem", "owner", "weeks", "success_metrics"}
missing = required - plan.keys()
if missing:
raise SystemExit(f"Missing fields: {', '.join(sorted(missing))}")
if len(plan["weeks"]) != 5:
raise SystemExit("The plan must contain exactly five weekly experiments")
print(f"Track: {plan['track']}")
print(f"Problem: {plan['problem']}")
for item in plan["weeks"]:
print(f"[ ] Week {item['week']}: {item['action']}")
print(f" Evidence: {item['evidence']}")
将 YAML 中的字段按 JSON 格式保存为 cohort-plan.json 后运行：
python3 check_plan.py
这个练习的重点不是文件格式，而是强迫课题具备明确负责人、每周动作、证据位置和量化标准。架构方向可以把指标换成部署频率、变更影响范围或恢复时间；工程领导力方向可以记录决策等待时间、跨团队依赖数量或行动项完成率。
报名前检查课题是否可执行
决定参加哪一期训练营时，可以检查以下条件：
- 问题来自当前工作，而不是虚构案例。
- 你有权执行至少一个小范围改变，或能获得相关负责人的配合。
- 五周内可以收集基线与结果数据。
- 课题边界足够清楚，不需要先完成大规模组织改造。
- 涉及 AI 数据、安全事件或员工信息时，材料已经脱敏，并符合所在组织的保密规则。
三期训练营的共同价值不只是接触资深从业者，而是把公开演讲中的方法变成自身项目里的决策工具。选对方向只是起点；带着一个可实验、可度量且允许失败的小课题进入五周过程，才更可能留下可复用的工作方法。