学习目标#

掌握如何让 AI 准确理解任务。

重点内容#

• 角色设定
• 背景补充
• 任务拆解
• 输出格式约束
• 示例驱动
• 反思与自检提示词
• 面向代码、测试、文档、分析的不同提示词写法

实战练习#

• 让 AI 根据需求生成测试用例
• 让 AI 根据日志分析问题
• 让 AI 根据接口文档生成调用示例
• 让 AI 帮你重构一段描述混乱的需求

阶段成果#

能写出清晰、稳定、可复用的任务提示词。

学习目标#

让 AI 的输出从自然语言走向结构化数据。

重点内容#

• JSON 输出
• JSON Schema
• 类型约束
• 字段校验
• 输出解析
• 失败重试
• 格式修复
• Pydantic / Zod 等 schema 工具

实战练习#

• 让 AI 输出固定 JSON 格式的测试用例
• 让 AI 从一段文本中抽取结构化字段
• 让 AI 生成符合 schema 的任务计划
• 写一个校验器，检查 AI 输出是否合格

阶段成果#

AI 输出可以进入程序流程，被代码读取、校验和继续处理。

学习目标#

掌握模型如何调用外部能力。

重点内容#

• function calling
• tool schema 设计
• 参数设计
• 工具返回值设计
• 工具调用失败处理
• 多工具选择
• 人工确认机制
• 危险操作拦截

实战练习#

• 写一个天气查询工具
• 写一个文件读取工具
• 写一个数据库查询工具
• 写一个命令执行工具，并加入权限限制
• 让 AI 根据任务自动选择合适工具

阶段成果#

AI 可以调用外部函数、API、文件系统或命令行完成实际任务。

学习目标#

让 AI 基于你的文档、代码、知识库回答问题。

重点内容#

• embedding
• chunking
• vector search
• rerank
• context 拼接
• 引用来源
• 知识库更新
• 幻觉控制
• 检索质量评估

实战练习#

• 做一个本地文档问答系统
• 做一个代码库问答系统
• 做一个产品需求知识库
• 比较不同 chunk size 的检索效果
• 给回答附上引用来源

阶段成果#

AI 可以基于真实资料回答，适合项目文档、内部知识库和代码理解场景。

学习目标#

建立 AI 输出质量评估能力。

重点内容#

• 测试集设计
• 标准答案设计
• 人工评分
• 自动评分
• 回归测试
• 工具调用成功率
• 幻觉率
• 成本、延迟、准确率对比

实战练习#

• 给 Prompt 做 A/B 测试
• 给 RAG 系统设计 30 条测试问题
• 统计工具调用成功率
• 比较不同模型的回答质量
• 做一份 AI 功能上线前评估表

阶段成果#

能够判断 AI 系统是否稳定、是否变好、是否适合上线。

学习目标#

把模型、工具、记忆和执行循环组合起来。

重点内容#

• planning
• action
• observation
• reflection
• retry
• task loop
• human-in-the-loop
• 多步骤任务执行
• 失败恢复

实战练习#

• 文件整理 Agent
• 日志分析 Agent
• 代码审查 Agent
• 接口测试 Agent
• 部署巡检 Agent

阶段成果#

AI 可以围绕一个目标，连续调用工具并完成多步骤任务。

学习目标#

把外部能力封装成 AI 可以统一访问的工具和资源。

重点内容#

• MCP server
• MCP client
• tools
• resources
• prompts
• 鉴权
• 权限控制
• 工具描述设计
• 返回内容设计

实战练习#

• 写一个文件系统 MCP
• 写一个数据库查询 MCP
• 写一个项目文档 MCP
• 写一个测试平台 MCP
• 写一个个人知识库 MCP

阶段成果#

可以把业务系统、数据源和本地能力接入 AI 工作流。

学习目标#

让 AI 能持续理解用户、项目和任务状态。

重点内容#

• 短期上下文
• 长期记忆
• 用户偏好
• 项目记忆
• 任务状态
• 会话状态
• 记忆更新
• 隐私删除机制

实战练习#

• 记录用户常用技术栈
• 记录项目启动命令
• 记录常见错误处理方式
• 让 Agent 记住上一次任务进度
• 给记忆增加查看、更新、删除入口

阶段成果#

AI 可以在多次任务之间保持连续性，减少重复解释成本。

学习目标#

把反复使用的 AI 工作流程变成标准能力。

重点内容#

• Skill 触发条件
• Skill 执行流程
• 输入要求
• 输出格式
• 脚本复用
• 模板复用
• 示例沉淀
• 失败处理

实战练习#

• 接口测试设计 Skill
• 代码审查 Skill
• 博客写作 Skill
• PPT 生成 Skill
• 运维巡检 Skill
• 需求分析 Skill

阶段成果#

可以把个人经验沉淀成稳定、可复用、可迁移的 AI 能力模块。

学习目标#

把 AI 能力放进稳定的流程里。

重点内容#

• 固定步骤
• 条件分支
• 审批节点
• 自动重试
• 异常处理
• 多模型协作
• 人工介入
• 失败回滚

实战练习#

• 自动生成测试用例 → 人工确认 → 执行测试 → 输出报告
• 需求分析 → 技术方案 → 风险评审 → 任务拆分
• 代码生成 → 单元测试 → 代码审查 → 提交说明
• 文档检索 → 答案生成 → 引用检查 → 输出结果

阶段成果#

AI 能力可以进入更稳定的业务流程，适合真实项目落地。

学习目标#

把复杂任务拆给多个专职角色处理。

重点内容#

• 主 Agent 调度
• 子 Agent 分工
• 上下文隔离
• 结果汇总
• 互相审查
• 并行执行
• 角色边界
• 冲突处理

常见角色#

• 需求分析 Subagent
• 代码阅读 Subagent
• 实现 Subagent
• 测试 Subagent
• 安全审查 Subagent
• 文档 Subagent
• 发布检查 Subagent

实战练习#

• 一个 Subagent 读代码，一个写测试，一个做 review
• 多个 Subagent 分别调研不同方案
• 主 Agent 负责拆任务、收结果、做最终判断
• 用 Subagent 完成一次完整功能开发流程

阶段成果#

可以组织多个 AI 角色协同完成复杂任务。

学习目标#

掌握 AI 系统上线后的监控、安全和运维能力。

重点内容#

• token 成本统计
• 调用链追踪
• 工具调用日志
• 错误日志
• 延迟分析
• 用户反馈
• prompt injection 防护
• tool injection 防护
• 权限隔离
• 沙箱执行
• 审计日志
• 灰度发布

实战练习#

• 记录每次 AI 调用的输入、输出、耗时和成本
• 统计工具调用失败率
• 给危险工具增加审批
• 给 RAG 回答增加来源检查
• 做一个 AI 功能监控面板

阶段成果#

AI 系统具备上线、维护、排障和持续优化的基础能力。