程序员的 AI 启蒙课：ChatGPT 让你 1 人顶 3 人 - 带源码课件

这门课解决的是「写代码时怎么把 AI 用起来」

很多程序员对 ChatGPT 的认知还停在「帮我写个正则」或者「解释一下这段报错」的层面，用完就关，效率提升有限。这门课要处理的场景更具体：把 AI 嵌进日常开发流程里，让它在需求梳理、代码生成、调试排查、测试补全、文档整理这些环节真正替你分担工作量。所谓「一人顶三人」，说的不是让你同时接三个项目，而是那些原本要反复查资料、写重复代码、来回改注释的时间被压缩掉。课程同时花了篇幅讲 AI 的风险和问题，包括版权、信息泄漏、AI 诈骗这几类，这对在公司环境里用 AI 的人来说不是可有可无的补充，而是必须知道的边界。

适合什么基础，先看哪几块

这门课对编程基础的要求不高，能读懂一门主流语言的代码、日常在用 Git 和 IDE，就可以跟上。它不教你怎么训练模型，也不要求数学背景，重心在「怎么提问、怎么验证、怎么把结果接回项目」。如果你已经能熟练用 Copilot 补全代码，但没系统想过提示词怎么写、生成结果怎么测，收获会更明显。

建议的观看顺序不是从第一章顺着播。先看 ChatGPT 在编程中的实战部分，把提问方式、上下文给法、多轮修正这几个动作练熟，这是整门课的地基。然后跳到项目优化与测试相关的内容，看 AI 生成的东西怎么被检验、怎么补测试用例，这一步决定你敢不敢把 AI 的产出提交上去。最后再回头看风险和问题那一块，结合自己公司的代码规范判断哪些信息不能贴给外部工具。AIGC 做副业的部分可以放最后，它更偏向个人变现思路，和日常开发的关系没那么直接。

学完能独立做什么，资料怎么配合练

学完之后，你应该能独立完成这几件事：拿到一个陌生模块，用 AI 辅助快速读懂逻辑并写出改动方案；把一段重复度高的代码交给 AI 批量改写或重构，自己负责审查；针对已有函数补出可运行的测试用例；遇到报错时，能组织出有效的上下文让 AI 给出可验证的排查方向，而不是拿到一段看起来对但跑不通的代码。这些能力合起来，才是效率提升的实际来源。

资料里带了源码课件，用法上建议不要只看不写。每看完一个实战片段，先自己按同样的思路对当前手上的项目提一次问，再对照课件里的做法看差在哪。课件里的代码可以当作参考答案，但更值得琢磨的是提问的措辞和追问的节奏。风险那几节内容不长，建议在真正把 AI 接进工作流之前看一遍，尤其是涉及公司内部代码和数据的时候，先明确哪些能发、哪些不能发，比事后补救省事得多。