课程大纲

适用对象与前置要求

适用对象：开发工程师、Tech Lead、架构师、测试开发、DevOps/研发效能人员。

前置要求：掌握 Git 基本操作；了解本团队常用语言/框架基础；能在本地运行项目或最小化示例。

培训目标

目标1：建立团队统一的“AI 编码工作流”（从需求澄清到 PR 合并与回归）。

目标2：掌握上下文工程方法，构建可复用的项目规则文件与提示词模板，使 AI 产出稳定可控。

目标3：把 AI 生成代码纳入质量体系：测试优先、静态检查、评审清单、回滚策略。

目标4：现场完成1-2个真实需求的可合并 PR（或等价交付包），并形成团队规范文档 V1。

课程大纲

Day 1：从“会用”到“会交付” - 需求拆解与任务树

上午 模块1：Vibe/Agentic Coding 的正确打开方式。内容要点：1）适合与不适合场景边界（原型 vs 生产）；2）端到端工作流：目标 -> 计划 -> 执行 -> 运行 -> 反馈 -> 回归；3）常见失败原因：需求不清、上下文缺失、变更过大、缺少回归点；4）课堂约定：小步提交、可回滚、可验收。实操产出：将一个模糊需求改写为“可交付需求包”（问题陈述、验收标准、非功能要求与风险点）。

下午 模块2：Problem Decomposition 到任务树（WBS）。内容要点：1）拆解方法：用户路径/接口契约/数据流/异常流；2）MVP 切片：先跑通再优化；3）PR 划分策略：一次改动尽量小且可回滚；4）如何让 AI 分阶段产出并自动校验。实操产出：任务树（WBS）、里程碑与验收清单、PR 划分方案。

Day 2：上下文工程与质量护栏 - 让产出稳定、可维护、可评审

上午 模块3：上下文工程（Context Engineering）实战。内容要点：1）AI 为什么会“写错”：读不全、读不对、规则不明确；2）上下文四件套：仓库结构与入口说明、规则文件（编码规范/分层/命名/日志）、约束与红线（安全/性能/依赖/权限）、记忆与复用（模板库与常用片段）；3）项目知识“喂给 AI”的最小集合。实操产出：项目规则文件 V1（AI 可读）、提示词模板集（需求/实现/测试/Review）。

下午 模块4：测试优先、静态检查与 PR 评审清单。内容要点：1）测试先行的 AI 用法：先写验收脚本/单测，再补实现；2）覆盖策略：黄金用例、边界条件、回归点；3）静态检查与安全扫描（按企业现有工具对接）；4）PR 评审清单：最小变更、依赖合理性、可读性、可维护性、可回滚。实操产出：PR 模板、Review Checklist、回滚与发布策略草案。

Day 3：团队化落地 - 智能体协作、CI 对接、度量与治理

上午 模块5：多人协作的 Agentic 研发流程。内容要点：1）角色化协作：需求 Agent、实现 Agent、测试 Agent、Reviewer Agent；2）多回合迭代策略：先计划后执行、每步可运行、每步可验证；3）如何把 AI 产出变成“可合并 PR”。实操产出：分组完成一个端到端功能交付（从需求到 PR），并现场走查。

下午 模块6：治理与规模化推广。内容要点：1）企业红线：数据分级、敏感信息、外发边界、第三方依赖与许可证；2）内网/私有化落地的关键控制点（原则与方案，不绑定厂商）；3）度量指标建议：PR 吞吐、Lead Time、返工率、缺陷密度、回归通过率；4）试点到复制路线图：选项目、定标准、建模板、复盘迭代。结营产出：团队《AI 编码工作规范》V1 与模板包。