课程大纲
第1天大纲
模块1 — Claude Code与AI辅助工程简介
• Claude Code与传统AI工具对比
• 软件工程中的AI代理
• 生产力和工作流优化
• AI辅助开发生命周期
• 风险、限制和人类监督
• 实时实践演示
模块2 — 提示工程基础
• 有效提示的剖析
• 零样本与少样本提示
• 迭代提示技术
• 提示链基础
• 结构化输出与格式化
• 提示验证与质量改进
模块3 — 软件开发的提示
• 代码生成与重构
• 使用AI辅助调试
• 文档生成
• 拉取请求审查
• 遗留代码理解
• 安全且可维护的AI生成代码
模块4 — 测试与质量的提示
• 测试用例生成
• 边缘案例分析
• 自动化测试设计
• AI辅助缺陷分析
• Gherkin与测试场景创建
• 质量验证工作流
模块5 — 敏捷协作的提示
• 用户故事与验收标准
• 需求细化
• 敏捷沟通支持
• 利益相关者摘要
• 回顾协助
• 待办事项细化准备
模块6 — 负责任的AI、安全与验证
• 幻觉与AI风险
• 保密与安全提示
• AI治理原则
• 验证检查清单
• 提示注入意识
• 人类审查责任
模块7 — 团队提示实验室
• 构建可重用的团队提示
• 角色特定的AI工作流
• 提示共享与同行评审
• 团队提示库v1创建
• 互动协作练习
第2天
模块1 — Claude Code高级功能
• CLAUDE.md与持久项目上下文
• AI工作流自动化
• 最佳N生成策略
• 可重用的AI命令
• 上下文工程技术
• AI辅助工程工作流
模块2 — 高级提示工程技术
• 链式思维提示
• 多模态提示
• 约束提示
• 高级提示链
• 大上下文管理
• 对话式工程工作流
模块3 — 版本控制、并行开发与多代理工作流
• Git集成策略
• 并行AI开发工作流
• 工作树与隔离的AI任务
• 多代理编排
• 人类参与的检查点
• 冲突管理策略
模块4 — 架构、MCP与高级DevOps
• 模型上下文协议(MCP)
• Claude与外部工具的集成
• AI辅助架构分析
• 架构决策记录(ADR)
• AI辅助CI/CD故障排除
• 事件事后分析与操作工作流
模块5 — 扩展Claude Code与代码库健康
• 令牌与上下文管理
• AI友好的项目结构
• 长期代码库可维护性
• 文档自动化
• AI可扩展性策略
• 团队范围的工程工作流
模块6 — 毕业项目:定义您的Claude Code流程
• 设计可扩展的AI辅助工作流
• 结合提示、命令与上下文文件
• 团队AI流程设计
• 跨角色协作模型
• 工作流蓝图创建
模块7 — 高级团队提示实验室
• 高级提示库开发
• 复杂的角色特定工作流
• 真实世界提示验证
• 跨团队协作练习
• 团队提示库v2
要求
第1天 — 基础
• 对软件交付流程有基本了解
• 对开发、测试或敏捷工作流有一般理解
• 建议具备Claude访问权限以便进行实践练习
第2天 — 高级
• 完成第1天课程(或具备同等经验)
• 具备Claude Code和提示工程概念的先前接触
• 具备基本的Git知识
• 建议熟悉CI/CD概念