这不是只追求“生成得快”的编程体验。你会在一个真实的轻量化后台系统里，把模糊想法转换为用户故事、验收标准、最小可行版本和可执行任务，再借助 AI 完成设计、编码、调试与交付。
课程将 Vibe Coding 的自然语言与快速反馈，和 Agentic Coding 的目标、规划、执行、观察、修复、复核串成一套可复用的工作方式。你始终掌握目标、约束、验证和发布决策。
Course Overview
让 AI 协同研发从灵感加速，走向工程可控
01
从需求开始组织 AI
让每个任务具备目标、上下文、输入输出、约束与验收标准。
02
在真实代码与运行结果中验证
借助差异审查、日志、测试和回滚点，让每一步都有依据。
03
完成可演示的项目交付
把代码、接口、测试与部署说明整理为团队可接手的成果。
Two Ways Of Working
同样使用 AI，研发过程可以更快，也可以更稳
先理解两种协作方式的优势和边界，再选择适合任务复杂度的推进方式。
自然语言驱动的快速迭代
通过描述意图快速生成候选实现，并依据运行反馈不断调整，适合原型探索、局部功能和体验打磨。
- 用清晰提示缩短从想法到界面的距离
- 把“看起来可用”继续推进到真实运行
- 避免一次生成整个项目、盲目引入依赖
围绕目标与证据的受控执行
让 AI 在明确的计划、工具范围、停止条件和验收规则中推进多步骤工作，特别适合跨文件、复杂改动与修复任务。
- 目标、计划、执行、观察、修复、复核
- 分阶段检查命令、文件影响与测试结果
- 设置迭代上限、权限范围与回滚检查点
研发者始终负责关键判断
AI 可以加速候选方案和执行过程，但项目目标、业务约束、质量判断、安全风险与发布决定始终由人掌握。
- 明确不可触碰的边界与技术约束
- 用可运行结果替代对生成内容的盲信
- 在审查、验收和发布环节保留人工确认
Learning Path
一条贯穿式项目主线，把 AI 协作落实到研发现场
从第一条任务规则到最终交付演示，持续迭代同一个全栈后台管理系统。
协作规则与工具地图
建立任务六要素、项目上下文、修改边界和代码审查习惯。
需求与 MVP 拆解
将业务描述转为用户故事、验收标准、优先级与垂直切片。
架构与接口契约
完成技术选择、数据模型、API 约定、目录规则与设计审查。
跑通首个纵向切片
从页面、接口到数据库，建立可运行、可回滚的项目骨架。
前端交互与体验
完成列表、搜索、分页、表单、状态反馈与请求异常处理。
后端、数据库与联调
实现服务分层、校验、日志、持久化、权限与问题定位。
测试、修复与安全
用测试矩阵、日志证据和小步重构提升稳定性与基本安全性。
智能体任务与交付复盘
组织多角色协同，完成文档、部署、演示、验收与团队复盘。
Curriculum
3 天 24 课时，完成一套面向交付的 AI 编程实践
每个模块都服务于同一项目，不只学习单点技巧，而是把它放回完整研发链路中使用。
DAY 01
从需求到技术蓝图
-
01
AI 协同开发与工具地图
理解 Vibe 与 Agentic 的边界，设置项目规则、上下文和任务模板。
-
02
需求、MVP 与任务拆解
从 5W1H、用户故事到验收标准，优先完成可验证的垂直切片。
-
03
架构与技术设计
产出前后端边界、实体关系、REST 接口、目录与代码约定。
DAY 02
让项目真正运行起来
-
04
项目初始化与首个纵向切片
配置项目骨架、环境样例、统一响应、日志与用户列表全链路。
-
05
AI 辅助前端开发
完成导航、登录、用户管理、表格、搜索、表单与异常反馈。
-
06
后端、数据库与全栈联调
实现接口、校验、分页、异常、日志和真实的数据持久化流程。
DAY 03
用证据完成交付闭环
-
07
测试、调试、重构与安全
覆盖正常、异常、边界与权限场景，定位缺陷并完成小步优化。
-
08
Agentic Coding、部署与复盘
组织规划、执行、测试、修复与复核，输出部署、接口和交付文档。
Who It Is For
适合已经参与研发，希望把 AI 用进日常交付的人
前端、后端与全栈开发者
希望用 AI 缩短重复实现时间，同时保留架构、质量与可维护性判断。
测试开发与技术支持开发人员
希望通过日志、测试、接口与自动化思路，提高定位问题和协同修复效率。
研发骨干与技术负责人
希望把个人提示技巧升级为团队可复用的任务规范、审查流程和交付方法。
建议具备的基础
了解至少一种编程语言，能阅读和修改代码；具备 Web、HTTP/API、关系型数据库和命令行基础。熟悉 Git 更佳，但非必需。
What You Can Do
课程结束后，你能把 AI 协作转化为可复用的研发能力
写出可执行的 AI 任务
用目标、上下文、约束和验收标准让协作更少猜测。
把需求收敛为 MVP
能区分必做、可选和延后项，用垂直切片推进项目。
组织全栈工程结构
能围绕页面、接口、数据模型、规则和环境配置协同开发。
在真实结果中调试
借助日志、堆栈、网络记录和最小改动完成定位与回归。
完成质量与安全检查
能使用测试矩阵、差异审查和基本安全清单控制风险。
交付可接手的项目成果
把 README、接口、测试、部署与验收要点沉淀为清晰交付物。
Delivery Loop
让一次 AI 开发不止于生成，而是走完可交付闭环
用阶段性检查点管理智能体任务：既享受执行速度，也保留对风险、质量和发布的掌控。
规划
明确目标、上下文、输入输出、约束、验收与停止条件。
执行
限定工具、文件范围与命令，在计划内推进改动。
运行
启动真实项目，观察页面、接口、数据与日志反馈。
测试
覆盖正常、异常、边界、权限与关键业务路径。
修复
基于证据提出假设，采用最小改动后重新验证。
复核
检查差异、依赖、可读性、安全性与回滚点。
交付与复盘
输出文档与演示，记录取舍并形成下一轮改进。
Practical Toolkit
带走一套可以立刻迁移到项目中的协作工具箱
任务六要素
目标、上下文、输入、输出、约束、验收，降低任务歧义。
项目上下文工程
沉淀业务规则、目录、约定、技术限制、示例和禁止项。
差异与日志证据
用代码差异、终端输出、接口记录替代主观判断。
测试与安全清单
覆盖功能、异常、权限、输入、密钥、审计和回归检查。
交付文档骨架
整理 README、接口、测试、部署、备份与回滚说明。