課程簡介
四級個性化堆棧
第一級 | 知道(Knows)——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
• 創建與工具無關的項目指南
• 在開發團隊和AI工具之間保持一致性
第二級 | 能夠(Can)——技能(Skills)
涵蓋主題:
• 創建可複用的專家知識單元
• 僅在需要時加載上下文信息
• 在提升任務性能的同時減小上下文大小
• 構建可複用工作流和專業知識庫
第三級 | 連接(Reaches)——MCP
涵蓋主題:
• 將AI工具連接到外部系統和服務
• 訪問倉庫、數據庫和文檔資源
• 擴展AI編程助手的能力
• 實施安全集成和治理控制
第四級 | 執行(Acts)——智能體(Agents)
涵蓋主題:
• 理解自主AI智能體及其能力
• 自主讀取、編寫、測試和修訂代碼
• 管理目標驅動的工作流和委派任務
• 建立針對智能體系統的監督和人工審查機制
第一天 | 委派與擴展工具
模塊1 | 從助手到智能體
涵蓋主題:
• 理解AI助手與自主智能體之間的區別
• 內聯代碼補全與智能體委派
• 智能體工作流如何改變開發任務的結構
• 識別適合委派給智能體的任務
• 與自主AI系統協作的最佳實踐
模塊2 | 無需 babysitting 的有效委派
涵蓋主題:
• 爲AI智能體編寫有效的指令
• 提供足夠的上下文和業務需求
• 定義執行的約束和邊界
• 明確驗收標準和成功衡量指標
• 在保持質量的前提下最小化人工干預
模塊3 | 個性化堆棧及適用場景
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
• 確定不同場景下適用的個性化機制
• 在工具和項目間高效管理上下文
• 創建一致的AI輔助開發環境
模塊4 | 技能與子智能體
涵蓋主題:
• 爲常見工作流和任務創建可複用技能
• 打包專家知識以供重複使用
• 理解子智能體和隔離上下文的作用
• 將有限範圍內的任務委派給專用智能體
• 通過模塊化AI工作流提升效率
第二天 | 連接工具、並行處理與治理
模塊5 | MCP:連接與構建
涵蓋主題:
• 理解模型上下文協議(MCP)的原理
• 將AI工具連接到外部系統和服務
• 集成瀏覽器、數據庫、倉庫和文檔資源
• 構建自定義MCP服務器
• 管理訪問控制和安全隱患
模塊6 | 嚴謹的智能體工作流
涵蓋主題:
• 建立可重複的AI輔助開發流程
• 與AI智能體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最終確定交付成果
模塊7 | 並行開發
涵蓋主題:
• 同時運行多個AI智能體
• 使用隔離分支和Git工作樹
• 在並行工作流中協調開發活動
• 合併並驗證多個智能體的輸出
• 通過並行執行策略提升生產力
模塊8 | 風險、審查與治理
涵蓋主題:
• 評估和審覈外部技能及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9 | 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整合到開發生命週期(SDLC)中
• 不同行業的真實用例和實施示例
• 常見的AI採納方式:個人採納、團隊採納和組織全面賦能
• SDLC中的典型用例:
• 需求收集與文檔編制
• 代碼生成與原型設計
• 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(ROI)
• 構建內部AI採納路線圖
• 爲參與者及其團隊定義切實可行的下一步行動
互動討論工作坊
• 參與者所在開發團隊的當前挑戰
• 識別可立即採納的高價值用例
• 風險、障礙和組織考量
• 制定AI整合的初步行動計劃。
最低要求
具備專業開發經驗,熟練使用命令行終端,並具有Git操作知識。需經常使用AI編程工具,或已完成“基礎”課程。
受衆
已經使用AI工具的開發者、負責團隊採納的技術主管,以及構建技能和MCP服務器的平臺或DevOps工程師。
客戶評論 (2)
更高效地使用Claude Code
Virgil Trif - Frequentis
課程 - Claude Code: Agentic AI Development · 1-Day
機器翻譯
"我瞭解了該工具的潛力,並掌握了足夠的技能,可以立即將其應用於工作中
Angelo Moro
課程 - Claude AI for Developers: Building AI-Powered Applications
機器翻譯