AI编程实战营

这门课要解决的问题很具体：你已经在写代码，但用 AI 的方式还停留在「复制报错、粘贴回答」的阶段，效率提升有限，遇到稍微复杂的项目就不知道该怎么让 AI 参与进来。它想教的不是某个工具的按钮在哪，而是把 AI 放进真实开发流程里的做法——从读懂一个陌生代码库，到让 Agent 自己跑通一段自动化任务，再到把整条链路串起来。

它适合什么基础的人

如果你完全没写过代码，这门课会让你很吃力。它默认你能看懂基本的函数、依赖、命令行操作，至少独立写过一个能跑起来的小项目。前端、后端、测试、运维背景都可以，因为内容围绕的是开发流程本身，而不是某一门语言。反过来说，如果你已经熟练使用 Cursor 或 Claude Code 做日常开发，并且自己搭过 Agent，那前几周的信息密度对你来说偏低，价值主要集中在第 5 周之后的部分。

另外要提醒一点：课程里会涉及 GitHub 操作和命令行，这两块不熟的话，开头的节奏会有点卡。资料里附带的 Rust 内容属于额外补充，和主线关系不大，不建议一上来就分心去学。

建议先看哪几块

八周的主线是有递进关系的，但不必严格按顺序。时间紧的话，可以这样安排：先用第 1 周建立对 AI 编码工具的基本判断，知道什么任务该交给它、什么任务自己写更快；然后直接进第 2、3 周，这两周分别对应交互式编程和 Agent 自动化两条路线，是整门课最核心的差异点，值得反复看回放并跟着敲一遍。

第 4 周讲的是用 AI 理解既有代码库并生成文档，这一块对接手老项目的人特别实用，属于投入产出比高的部分。第 5 周的 MCP 和第 6 周的 Agent 构建偏进阶，需要你前面已经动手跑过一些东西，否则容易变成看热闹。第 7 周的端到端实践建议留到最后，当作一次自测：不看答案，自己把流程走一遍。学习手册和开营直播可以当索引，遇到卡点再回去翻，不用一次性看完。

学完能独立做什么，资料怎么配合练

比较现实的预期是：你能独立用 AI 工具完成一次中等规模的功能开发，包括读懂现有代码、让 Agent 处理重复性的改造任务、把外部工具通过 MCP 接进自己的工作流，并且能判断 AI 给出的方案哪里不可靠。这不是「学完就能拿高薪」的承诺，而是把 AI 从玩具变成日常工具的能力。

练习方式上，建议每看完一周的直播回放，就找自己手头真实的代码仓库动手，而不是用课程里的示例项目。示例跑通只能说明你理解了操作，真实项目里的脏数据、历史包袱和模糊需求才是检验标准。毕业总结是必交项，别当成形式，它其实是你把八周零散经验整理成自己方法论的机会，写完再回头看，会清楚自己哪几周其实是空转的。