课程大纲
从自动补全到代理:为何代理会失败
• 编程代理的结构:模型、框架、工具界面、上下文、权限
• 各类工具的定位:Claude Code、GitHub Copilot、Cursor、Codex CLI、Gemini CLI
• 失败分类法:错误的上下文、错误的工具、无反馈、不受限的自主权
演示:同一任务,好与坏两种运行方式并列对比
上下文工程
• 将上下文窗口视为预算:什么值得进入其中
• AGENTS.md、CLAUDE.md、.cursor/rules、copilot-instructions.md——一个概念,多个文件名,单一真相源
• 约定、构建与测试命令、架构边界
• 检索与显式上下文的区别;任务分解与子代理
实验:为不熟悉的 Python 服务编写仓库上下文,然后重新运行失败的任务并比较输出
可重用工作流与代理技能
• 选择抽象层级:指令文件、技能、自定义命令或普通脚本
• 技能的组成:触发器、指令、捆绑脚本、渐进式披露
• 跨工具的便携性,以及锁定效应的起点
• 版本控制、审查与团队分发;常见反模式
实验:构建并测试强制执行内部编码标准的可重用工作流
MCP:连接代理与现实系统
• 架构:客户端、服务器、工具、资源和提示;stdio 和 HTTP 传输协议
• 值得加入的服务端:Git 托管、问题追踪器、数据库、浏览器、内部 API
• 何时使用 CLI 或脚本优于 MCP 服务端
• 工具界面卫生:为何工具越多越不可靠
实验:连接 MCP 服务端,端到端处理一个工单——创建问题、分支、补丁、测试、拉取请求
反馈循环与评估
• 测试、类型检查和静态分析器作为代理的事实依据;测试优先作为控制机制
• CI 作为外部循环,以及对代理生成差异的审查纪律
• 黄金任务评估集:测量什么以及如何发现回归问题
• 将成本与延迟作为首要指标
实验:构建小型评估集,并对两个代理配置进行评分
安全与护栏
• 通过问题、拉取请求、README、依赖项和抓取页面的提示注入攻击
• 权限模型:白名单、审批机制、只读工具、网络出口控制
• 密钥卫生与沙盒化:容器、临时凭证、限制爆炸半径
• 第三方 MCP 服务端和共享技能带来的供应链风险
实验:观察代理被中毒仓库劫持,然后加固设置以防止此类情况
团队推广策略
• 阶段性推广路径;哪些需要标准化,哪些留给个人自由决定
• 指示真正价值的指标,以及不具代表性的指标
要求
• 掌握 Python、Git 和命令行知识
• 曾接触过 AI 编程助手
• NobleProg 将为参与者设置带有 Docker、VS Code 和 Python 3.11 或更高版本的 Dadesktop VM
• 参与者选择的 AI 编程助手:Claude Code、GitHub Copilot、Cursor、Codex CLI 或 Gemini CLI。实验工具中立,并为每种工具提供说明
受众
• 使用 AI 编程助手但未获得可靠结果的软件工程师、技术主管和架构师
• 在团队中推广 AI 工具的平台和开发者体验工程师
• 制定标准、护栏和成功指标的工程经理
客户评论 (3)
培训师很有耐心,也非常乐于助人。他对主题非常了解。
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
课程 - Agentic AI for Business Automation: Use Cases & Integration
机器翻译
知识与实践的良好结合
Ion Mironescu - Facultatea S.A.I.A.P.M.
课程 - Agentic AI for Enterprise Applications
机器翻译
理论与实践的结合,以及高层与底层视角的融合
Ion Mironescu - Facultatea S.A.I.A.P.M.
课程 - Autonomous Decision-Making with Agentic AI
机器翻译