课程大纲
四级个性化堆栈
第一级 | 知晓 – 规则和AGENTS.md
涵盖主题:
•定义项目规范和编码标准
•记录架构和技术约束
•创建工具无关的项目指南
•在开发团队和AI工具间保持一致性
第二级 | 能力 – 技能(Skills)
涵盖主题:
•创建可重用的专业知识单元
•仅在需要时加载上下文信息
•在提升任务表现的同时减少上下文大小
•构建可重用工作流和专长的库
第三级 | 连接 – MCP
涵盖主题:
•将AI工具连接到外部系统和服务
•访问仓库、数据库和文档源
•扩展AI编码助手的功能
•实施安全集成和治理控制
第四级 | 行动 – Agent(智能体)
涵盖主题:
•理解自主AI Agent及其能力
•自主阅读、编写、测试和修订代码
•管理目标驱动的工作流和委派任务
•建立对Agent系统的监督和人工审查机制
第一天 | 委托与扩展工具
模块一 | 从助手到Agent
涵盖主题:
•理解AI助手与自主Agent之间的区别
•内联代码补全与Agent委派
•Agent工作流如何改变开发任务的结构
•识别适合委托给Agent的任务
•与自主AI系统协作的最佳实践
模块二 | 无需监护即可生效的委派与循环(Loops)
涵盖主题:
•编写有效的AI Agent指令
•提供充足的上下文和业务需求
•定义执行约束和边界
•建立明确的验收标准和成功指标
•在保持质量的同时最小化人工干预
•如何构建循环(Loops)
模块三 | 个性化堆栈及其适用场景
涵盖主题:
•理解四级个性化堆栈
•使用规则和AGENTS.md定义项目规范
•确定不同场景适用的个性化机制
•跨工具和项目管理上下文
•创建一致的AI辅助开发环境
模块四 | 技能与子Agent(Subagents)
涵盖主题:
•为常见工作流和任务创建可重用的技能
•打包专业知识以重复使用
•理解子Agent和隔离上下文的角色
•将受限任务委托给专门化Agent
•通过模块化AI工作流提升效率
第二天 | 连接工具、并行计算与治理
模块五 | MCP:连接与构建
涵盖主题:
•理解模型上下文协议(MCP)的原则
•将AI工具连接到外部系统和服务
•集成浏览器、数据库、仓库和文档源
•构建自定义MCP服务器
•管理访问控制和安全考量
模块六 | 严谨的Agent工作流
涵盖主题:
•建立可重复的AI辅助开发流程
•与AI Agent进行头脑风暴和规划
•协作构建和实施解决方案
•测试和验证生成的输出
•通过适当的验证步骤审查和定稿交付物
•如何设定目标
模块七 | 并行开发
涵盖主题:
•同时运行多个AI Agent
•使用隔离分支和Git工作树(worktrees)
•协调并行工作流中的开发活动
•合并和验证来自多个Agent的输出
•通过并行执行策略提升生产力
模块八 | 风险、审查与治理
涵盖主题:
•评估和审查外部技能(Skills)及MCP服务器
•理解安全和治理风险
•管理权限和访问权
‥保护敏感数据和知识产权
•建立审查流程和质量保证实践
模块九 | AI在软件开发中的采纳:用例与下一步
涵盖主题:
•组织如何将AI集成到软件开发生命周期(SDLC)中
•来自不同行业的真实用例和实施示例
•常见的AI采纳方法:个人采纳、团队级采纳和组织级赋能
•SDLC中的典型用例:
•需求收集与文档编写
•代码生成与原型开发
•测试与质量保证
•代码审查与重构
•文档与知识管理
•DevOps与事件管理
•治理模型、政策与安全考量
•衡量AI辅助开发的生产力和投资回报率
•构建内部AI采纳路线图
•为参与者及其团队定义可行的下一步
互动讨论工作坊
•参与者开发团队当前面临的挑战
•识别可立即采纳的高价值用例
•风险、阻碍因素及组织考量
•制定AI集成的初步行动计划。
要求
具备专业开发经验,熟悉终端操作,并掌握Git基础知识。需经常使用AI编码工具,或已完成基础课程。
适合人群
正在使用AI工具的开发者、负责团队采纳的技術负责人以及构建技能和MCP服务器的平台或DevOps工程师。
客户评论 (2)
学习如何向Claude提问,并利用它来消化我掌握的所有数据。
Mike Hartleroad - Furniture Row
课程 - Claude AI for Data Analysis and Business Intelligence
机器翻译
如何与Office环境互动并设置重复性任务
Matthew Wallace - Group CBS
课程 - Claude AI for Workflow Automation and Productivity
机器翻译