线束工程大师班：AI 编码代理

免费资源

暂无评分

学习 Claude Code、Codex CLI、Gemini CLI、MCP、上下文工程、多代理 AI 和生产工具

IT与软件

你将学到什么

“本课程包含人工智能的使用”

利用工程大师班：AI 编码代理是一门实践课程，教授现代 AI 编码代理如何工作，以及如何使用 Claude Code、OpenAI Codex CLI 和 Gemini CLI 等工具构建可靠、可用于生产的 AI 开发工作流程。

您将探索软件开发的演变，了解 LLM 和 AI 代理之间的差异，学习代理执行循环，并比较流行的 AI 编码工具，包括 Cursor、Cline、Aider、Windsurf 和 OpenCode。

该课程涵盖了线束工程基础知识，例如执行环境、运行时架构、上下文管理、AI 代理生命周期、任务规划、工具执行、验证和迭代改进。

您将学习如何安装、配置和优化 Claude Code、OpenAI Codex CLI 和 Gemini CLI，同时创建项目规则、编码标准和可重用的工程工作流程。

主要部分侧重于上下文工程，涵盖上下文优化、存储库内存、会话内存、上下文压缩、检索策略和团队知识共享。

您还将通过创建明确的目标、验收标准、可重复使用的提示模板以及生成可靠的 AI 生成代码的结构化工作流程来掌握提示工程。

本课程介绍了工具调用、Git 集成、文件编辑、Web 访问、IDE 集成、安全自动化、权限系统、沙箱和人工审批工作流程。

您将获得模型上下文协议 (MCP) 的实践经验，学习如何将 AI 代理与 GitHub、Jira、数据库、Slack、浏览器和企业服务连接起来。

其他主题包括 Hooks、技能、斜杠命令、可重用工作流程、验证管道、Git 自动化和可重复 AI 工程系统的生产力技术。

您将设计多代理工程系统，其中规划人员、开发人员、审阅人员、测试人员、文档和安全代理通过委派、共享上下文、编排和并行执行进行协作。

课程以生产线束工程结束，涵盖存储库组织、工程标准、自动化管道、可观察性、日志记录、调试、指标、错误处理和操作最佳实践。

通过实际演示和实际项目，您将培养自信地构建、定制和部署人工智能驱动的软件工程系统所需的技能。

软件工程师正在使用 AI 编码代理来改进开发工作流程。
对 Harness Engineering、MCP 和多代理系统感兴趣的 AI 工程师和机器学习从业者。
后端、前端和全栈开发人员正在将 AI 融入日常开发中。
开发运营、平台和基础设施工程师构建安全的 AI 驱动的工作流程。
技术主管、工程经理和架构师正在大规模采用 AI 编码代理。
使用 Claude Code、OpenAI Codex CLI、Gemini CLI、Cursor、Cline、Aider、Windsurf 或类似工具的开发人员。
计算机科学专业的学生和有抱负的人工智能工程师正在构建实用的人工智能开发评论技巧。