TalkPython – Python 代理人工智能编程课程

MP4 |视频：h264，1920×1080 |音频：AAC、44.1 KHz、2 Ch
类型：电子学习 |语言： 英语 |时长：32 节课 (2h 38m)

你将学到什么

您是否尝试过人工智能编码工具，但最终却感到沮丧，从聊天机器人中复制和粘贴损坏的代码，或者清理结构不良的“人工智能垃圾”？有更好的方法。 Python 代理人工智能编程教你如何使用人工智能，它就像团队中熟练的初级开发人员一样：在你提供指导和指导的同时，他了解你的整个代码库、运行你的测试、格式化你的代码并自主构建完整的功能。 Michael Kennedy 向您展示如何利用 Cursor 和 Claude 等工具构建生产应用程序，从新建项目到增强遗留系统，并具有结构良好的代码、全面的测试和正确的错误处理。您将了解基于聊天的人工智能和使用代理工具的人工智能之间的关键区别，后者可以阅读文档、执行命令并在出现问题时进行自我纠正。通过实践示例（包括完整的 CLI 工具、Web 应用程序和当今生产中运行的实际功能），您将掌握将 AI 从令人沮丧的实验转变为开发工作的真正力量倍增器的护栏、路线图和工作流程。

这门课程的内容是什么，有何不同？
本课程教您如何与代理 AI 工具协作，不仅仅是聊天机器人或自动完成功能，而是可以理解整个项目、执行命令、运行测试、格式化代码和自主构建完整功能的 AI。您将学习像指导团队中才华横溢的初级开发人员一样指导这些工具，设置正确的护栏和路线图，以便它们始终如一地交付符合您标准的结构良好、可维护的代码。将其视为与人工智能合作伙伴的结对编程，该合作伙伴了解您的偏好、遵循您的惯例，并且沟通得越好，效率就越高。

为什么它脱颖而出
关注代理 AI，而不是聊天机器人 – 了解从 ChatGPT 复制代码与在完整上下文的代码库中与 AI 协作之间的根本区别
真实生产示例 – 查看 Michael 为 Talk Python 构建的实际功能和目前在生产中运行的 Python Bytes
教授 AI 您的标准 – 了解如何配置 AI 来编写具有类型提示、错误处理和功能的精心设计、结构化的正确代码全面的测试 – 不是通用的“AI slop”
全面的护栏和路线图 – 掌握光标规则、斜线命令、代理和文档集成，指导您的 AI 合作伙伴完全按照您想要的方式工作
新建项目和遗留项目 – 学习从头开始并通过 AI 辅助增强现有代码库的策略
带有屏幕截图的视觉设计 – 了解如何使用图像来传达设计意图并以卓越的精度迭代 UI/UX
版本控制作为安全网 – 了解关键Git 工作流程在使用 AI 时无所畏惧地进行实验并在需要时进行回滚的作用
实用规划技术 – 了解何时首先规划、如何将工作分成阶段以及何时使用结构化路线图与直接实施
成本和模型选择指南 – 获取有关使用哪些模型、何时升级或降级以及如何监控 AI 使用情况的具体建议
现实世界的生产力提升 – 了解如何通过适当的 AI 协作在数小时内完成需要数天或数周的功能

涵盖哪些主题
在本课程结束时，您将能够

区分代理 AI、基于聊天的 AI 和自动完成工具，并针对每种情况选择正确的方法
使用 Claude 模型（或 Claude Code、Cline、GitHub Copilot 等替代方案）设置 Cursor，以实现最大效率
在机器范围和项目特定级别配置光标规则，以教会 AI 您的编码标准和偏好
创建详细的实施计划，您的 AI 合作伙伴可以按照该计划逐步构建复杂功能
使用源代码控制战略性地通过频繁提交、暂存和回滚，无所畏惧地与 AI 合作
使用正确的包结构、依赖项和分发设置从头开始构建完整的 Python CLI 应用程序
使用新功能增强现有生产 Web 应用程序，同时保持与旧代码的一致性
为鲜为人知的 Python 包集成自定义文档，以便 AI 可以有效地使用它们
创建可重用的斜线命令以进行重复审查和质量保证任务
定义自定义代理角色（例如“品牌守护者”或“测试”）审阅者”）以获得专业观点
使用屏幕截图和视觉示例来传达设计意图并在 Web 界面上进行迭代
有效管理 AI 上下文窗口以保持对话重点

MP4 |视频：h264，1920×1080 |音频：AAC、44.1 KHz、2 Ch
类型：电子学习 |语言： 英语 |时长：32 节课 (2h 38m)

你将学到什么

您是否尝试过人工智能编码工具，但最终却感到沮丧，从聊天机器人中复制和粘贴损坏的代码，或者清理结构不良的“人工智能垃圾”？有更好的方法。 Python 代理人工智能编程教你如何使用人工智能，它就像团队中熟练的初级开发人员一样：在你提供指导和指导的同时，他了解你的整个代码库、运行你的测试、格式化你的代码并自主构建完整的功能。 Michael Kennedy 向您展示如何利用 Cursor 和 Claude 等工具构建生产应用程序，从新建项目到增强遗留系统，并具有结构良好的代码、全面的测试和正确的错误处理。您将了解基于聊天的人工智能和使用代理工具的人工智能之间的关键区别，后者可以阅读文档、执行命令并在出现问题时进行自我纠正。通过实践示例（包括完整的 CLI 工具、Web 应用程序和当今生产中运行的实际功能），您将掌握将 AI 从令人沮丧的实验转变为开发工作的真正力量倍增器的护栏、路线图和工作流程。

这门课程的内容是什么，有何不同？
本课程教您如何与代理 AI 工具协作，不仅仅是聊天机器人或自动完成功能，而是可以理解整个项目、执行命令、运行测试、格式化代码和自主构建完整功能的 AI。您将学习像指导团队中才华横溢的初级开发人员一样指导这些工具，设置正确的护栏和路线图，以便它们始终如一地交付符合您标准的结构良好、可维护的代码。将其视为与人工智能合作伙伴的结对编程，该合作伙伴了解您的偏好、遵循您的惯例，并且沟通得越好，效率就越高。

为什么它脱颖而出
关注代理 AI，而不是聊天机器人 – 了解从 ChatGPT 复制代码与在完整上下文的代码库中与 AI 协作之间的根本区别
真实生产示例 – 查看 Michael 为 Talk Python 构建的实际功能和目前在生产中运行的 Python Bytes
教授 AI 您的标准 – 了解如何配置 AI 来编写具有类型提示、错误处理和功能的精心设计、结构化的正确代码全面的测试 – 不是通用的“AI slop”
全面的护栏和路线图 – 掌握光标规则、斜线命令、代理和文档集成，指导您的 AI 合作伙伴完全按照您想要的方式工作
新建项目和遗留项目 – 学习从头开始并通过 AI 辅助增强现有代码库的策略
带有屏幕截图的视觉设计 – 了解如何使用图像来传达设计意图并以卓越的精度迭代 UI/UX
版本控制作为安全网 – 了解关键Git 工作流程在使用 AI 时无所畏惧地进行实验并在需要时进行回滚的作用
实用规划技术 – 了解何时首先规划、如何将工作分成阶段以及何时使用结构化路线图与直接实施
成本和模型选择指南 – 获取有关使用哪些模型、何时升级或降级以及如何监控 AI 使用情况的具体建议
现实世界的生产力提升 – 了解如何通过适当的 AI 协作在数小时内完成需要数天或数周的功能

涵盖哪些主题
在本课程结束时，您将能够

区分代理 AI、基于聊天的 AI 和自动完成工具，并针对每种情况选择正确的方法
使用 Claude 模型（或 Claude Code、Cline、GitHub Copilot 等替代方案）设置 Cursor，以实现最大效率
在机器范围和项目特定级别配置光标规则，以教会 AI 您的编码标准和偏好
创建详细的实施计划，您的 AI 合作伙伴可以按照该计划逐步构建复杂功能
使用源代码控制战略性地通过频繁提交、暂存和回滚，无所畏惧地与 AI 合作
使用正确的包结构、依赖项和分发设置从头开始构建完整的 Python CLI 应用程序
使用新功能增强现有生产 Web 应用程序，同时保持与旧代码的一致性
为鲜为人知的 Python 包集成自定义文档，以便 AI 可以有效地使用它们
创建可重用的斜线命令以进行重复审查和质量保证任务
定义自定义代理角色（例如“品牌守护者”或“测试”）审阅者”）以获得专业观点
使用屏幕截图和视觉示例来传达设计意图并在 Web 界面上进行迭代
有效管理 AI 上下文窗口以保持对话重点