課程簡介
四級個性化堆棧
第一級 | 知曉 – 規則和AGENTS.md
涵蓋主題:
•定義項目規範和編碼標準
•記錄架構和技術約束
•創建工具無關的項目指南
•在開發團隊和AI工具間保持一致性
第二級 | 能力 – 技能(Skills)
涵蓋主題:
•創建可重用的專業知識單元
•僅在需要時加載上下文信息
•在提升任務表現的同時減少上下文大小
•構建可重用工作流和專長的庫
第三級 | 連接 – MCP
涵蓋主題:
•將AI工具連接到外部系統和服務
•訪問倉庫、數據庫和文檔源
•擴展AI編碼助手的功能
•實施安全集成和治理控制
第四級 | 行動 – Agent(智能體)
涵蓋主題:
•理解自主AI Agent及其能力
•自主閱讀、編寫、測試和修訂代碼
•管理目標驅動的工作流和委派任務
•建立對Agent系統的監督和人工審查機制
第一天 | 委託與擴展工具
模塊一 | 從助手到Agent
涵蓋主題:
•理解AI助手與自主Agent之間的區別
•內聯代碼補全與Agent委派
•Agent工作流如何改變開發任務的結構
•識別適合委託給Agent的任務
•與自主AI系統協作的最佳實踐
模塊二 | 無需監護即可生效的委派與循環(Loops)
涵蓋主題:
•編寫有效的AI Agent指令
•提供充足的上下文和業務需求
•定義執行約束和邊界
•建立明確的驗收標準和成功指標
•在保持質量的同時最小化人工干預
•如何構建循環(Loops)
模塊三 | 個性化堆棧及其適用場景
涵蓋主題:
•理解四級個性化堆棧
•使用規則和AGENTS.md定義項目規範
•確定不同場景適用的個性化機制
•跨工具和項目管理上下文
•創建一致的AI輔助開發環境
模塊四 | 技能與子Agent(Subagents)
涵蓋主題:
•爲常見工作流和任務創建可重用的技能
•打包專業知識以重複使用
•理解子Agent和隔離上下文的角色
•將受限任務委託給專門化Agent
•通過模塊化AI工作流提升效率
第二天 | 連接工具、並行計算與治理
模塊五 | MCP:連接與構建
涵蓋主題:
•理解模型上下文協議(MCP)的原則
•將AI工具連接到外部系統和服務
•集成瀏覽器、數據庫、倉庫和文檔源
•構建自定義MCP服務器
•管理訪問控制和安全考量
模塊六 | 嚴謹的Agent工作流
涵蓋主題:
•建立可重複的AI輔助開發流程
•與AI Agent進行頭腦風暴和規劃
•協作構建和實施解決方案
•測試和驗證生成的輸出
•通過適當的驗證步驟審查和定稿交付物
•如何設定目標
模塊七 | 並行開發
涵蓋主題:
•同時運行多個AI Agent
•使用隔離分支和Git工作樹(worktrees)
•協調並行工作流中的開發活動
•合併和驗證來自多個Agent的輸出
•通過並行執行策略提升生產力
模塊八 | 風險、審查與治理
涵蓋主題:
•評估和審查外部技能(Skills)及MCP服務器
•理解安全和治理風險
•管理權限和訪問權
‥保護敏感數據和知識產權
•建立審查流程和質量保證實踐
模塊九 | AI在軟件開發中的採納:用例與下一步
涵蓋主題:
•組織如何將AI集成到軟件開發生命週期(SDLC)中
•來自不同行業的真實用例和實施示例
•常見的AI採納方法:個人採納、團隊級採納和組織級賦能
•SDLC中的典型用例:
•需求收集與文檔編寫
•代碼生成與原型開發
•測試與質量保證
•代碼審查與重構
•文檔與知識管理
•DevOps與事件管理
•治理模型、政策與安全考量
•衡量AI輔助開發的生產力和投資回報率
•構建內部AI採納路線圖
•爲參與者及其團隊定義可行的下一步
互動討論工作坊
•參與者開發團隊當前面臨的挑戰
•識別可立即採納的高價值用例
•風險、阻礙因素及組織考量
•制定AI集成的初步行動計劃。
最低要求
具備專業開發經驗,熟悉終端操作,並掌握Git基礎知識。需經常使用AI編碼工具,或已完成基礎課程。
適合人羣
正在使用AI工具的開發者、負責團隊採納的技術負責人以及構建技能和MCP服務器的平臺或DevOps工程師。
客戶評論 (2)
Learning how to prompt Claude and use it to digest all of the data I have available.
Mike Hartleroad - Furniture Row
課程 - Claude AI for Data Analysis and Business Intelligence
如何與Office環境互動並設置重複性任務
Matthew Wallace - Group CBS
課程 - Claude AI for Workflow Automation and Productivity
機器翻譯