課程簡介
從自動補全到代理:爲何代理會失敗
• 編程代理的結構:模型、框架、工具界面、上下文、權限
• 各類工具的定位:Claude Code、GitHub Copilot、Cursor、Codex CLI、Gemini CLI
• 失敗分類法:錯誤的上下文、錯誤的工具、無反饋、不受限的自主權
演示:同一任務,好與壞兩種運行方式並列對比
上下文工程
• 將上下文窗口視爲預算:什麼值得進入其中
• AGENTS.md、CLAUDE.md、.cursor/rules、copilot-instructions.md——一個概念,多個文件名,單一真相源
• 約定、構建與測試命令、架構邊界
• 檢索與顯式上下文的區別;任務分解與子代理
實驗:爲不熟悉的 Python 服務編寫倉庫上下文,然後重新運行失敗的任務並比較輸出
可重用工作流與代理技能
• 選擇抽象層級:指令文件、技能、自定義命令或普通腳本
• 技能的組成:觸發器、指令、捆綁腳本、漸進式披露
• 跨工具的便攜性,以及鎖定效應的起點
• 版本控制、審查與團隊分發;常見反模式
實驗:構建並測試強制執行內部編碼標準的可重用工作流
MCP:連接代理與現實系統
• 架構:客戶端、服務器、工具、資源和提示;stdio 和 HTTP 傳輸協議
• 值得加入的服務端:Git 託管、問題追蹤器、數據庫、瀏覽器、內部 API
• 何時使用 CLI 或腳本優於 MCP 服務端
• 工具界面衛生:爲何工具越多越不可靠
實驗:連接 MCP 服務端,端到端處理一個工單——創建問題、分支、補丁、測試、拉取請求
反饋循環與評估
• 測試、類型檢查和靜態分析器作爲代理的事實依據;測試優先作爲控制機制
• CI 作爲外部循環,以及對代理生成差異的審查紀律
• 黃金任務評估集:測量什麼以及如何發現迴歸問題
• 將成本與延遲作爲首要指標
實驗:構建小型評估集,並對兩個代理配置進行評分
安全與護欄
• 通過問題、拉取請求、README、依賴項和抓取頁面的提示注入攻擊
• 權限模型:白名單、審批機制、只讀工具、網絡出口控制
• 密鑰衛生與沙盒化:容器、臨時憑證、限制爆炸半徑
• 第三方 MCP 服務端和共享技能帶來的供應鏈風險
實驗:觀察代理被中毒倉庫劫持,然後加固設置以防止此類情況
團隊推廣策略
• 階段性推廣路徑;哪些需要標準化,哪些留給個人自由決定
• 指示真正價值的指標,以及不具代表性的指標
最低要求
• 掌握 Python、Git 和命令行知識
• 曾接觸過 AI 編程助手
• NobleProg 將爲參與者設置帶有 Docker、VS Code 和 Python 3.11 或更高版本的 Dadesktop VM
• 參與者選擇的 AI 編程助手:Claude Code、GitHub Copilot、Cursor、Codex CLI 或 Gemini CLI。實驗工具中立,併爲每種工具提供說明
受衆
• 使用 AI 編程助手但未獲得可靠結果的軟件工程師、技術主管和架構師
• 在團隊中推廣 AI 工具的平臺和開發者體驗工程師
• 制定標準、護欄和成功指標的工程經理
客戶評論 (3)
培訓師很有耐心,也非常樂於助人。他對主題非常瞭解。
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
課程 - Agentic AI for Business Automation: Use Cases & Integration
機器翻譯
知識與實踐的良好結合
Ion Mironescu - Facultatea S.A.I.A.P.M.
課程 - Agentic AI for Enterprise Applications
機器翻譯
理論與實踐的結合,以及高層與底層視角的融合
Ion Mironescu - Facultatea S.A.I.A.P.M.
課程 - Autonomous Decision-Making with Agentic AI
機器翻譯