南京大学计算机科学与技术考博需要系统性的准备和针对性的策略。要明确考博的核心竞争力是科研潜力和学术素养，而不仅仅是知识储备。建议从三个维度构建复习体系：公共课笔试、专业核心课复习和科研能力提升。

在公共课笔试部分，南京大学考博通常包含政治理论（约30分）和专业英语（约20分）。政治理论复习可聚焦二十大报告和科技创新相关论述，重点掌握人工智能、大数据等领域的政策导向。专业英语建议精读ACM/IEEE会议近三年顶会论文，整理专业术语库（如深度学习、区块链等高频词汇），同时训练文献阅读速度，达到20页/小时以上的流畅阅读能力。

专业核心课复习需结合南大计算机学院近三年真题分析。操作系统方向重点复习进程调度算法（多级反馈队列、CFS）、内存管理（分页/分段、写时复制）等高频考点，推荐参考《现代操作系统》（Andrew S. Tanenbaum）第四版。计算机组成原理侧重流水线冲突解决机制（数据/控制冒险）、存储层次（缓存一致性协议）等，建议配合MIT 6.004课程视频强化理解。算法设计与分析需掌握动态规划、图论算法（最短路径、流网络）等，重点突破NP完全问题证明和近似算法设计，可使用《算法导论》配套习题集进行强化训练。

科研能力提升是考博的核心竞争力。建议在研一至研三期间形成完整的科研链条：研一确定细分方向（如边缘计算、联邦学习等），研二完成1-2篇CCF-A类论文，研三产出可展示的科研成果。具体可采取以下步骤：1. 跟踪南大计算机系各课题组（如周志华教授的机器学习组、周志华教授的深度学习组）最新论文；2. 参与组会并争取发表会议论文（重点关注CVPR、NeurIPS等顶会）；3. 主动联系意向导师，邮件沟通研究方向匹配度。

面试准备需注重差异化展示。建议制作三类材料：1. 科研成果汇编（包含论文、专利、项目报告）；2. 技术栈能力矩阵（如掌握PyTorch框架、熟悉分布式系统架构）；3. 研究计划书（需体现与南大实验室的互补性）。模拟面试应重点训练三大场景：技术深度提问（如解释Transformer的注意力机制优化策略）、科研规划答辩（展示3年研究路线图）、压力面试（应对"为何选择南大"等高频问题）。

时间规划建议采用"三轮递进"模式：研一（6-12月）打基础，完成专业书复习和科研项目启动；研二（1-6月）攻坚论文，每周保持10篇论文精读；研三（7-12月）冲刺备考，每日保持3小时专业英语训练。特别要注意南大考博的"预答辩"环节，通常在12月进行，需提前准备5分钟研究计划陈述。

最后，需关注南大计算机学院考博动态变化。2023年新增"人工智能与模式识别"方向考博，重点考察联邦学习、知识图谱等前沿技术。建议定期查看南大计算机系官网（https://cs.nju.edu.cn/），加入"南大计算机考研论坛"获取最新资讯。备考期间可加入"AI研习社"等学习社群，通过每周论文互评、代码Review提升技术交流能力。