资源介绍
视频数量：28个
总时长：8小时0分
课程介绍：
驾驭工程精通课：AI编程智能体实战
你打开终端，输入一句"帮我重构这个模块"，AI秒回几百行代码，看起来挺好。可让它跑测试，它把生产数据库的表给删了。再换个需求，它忘了你们项目的命名规范，写出来的东西跟你团队代码风格完全不搭。你开始怀疑：到底是AI不够聪明，还是用AI的方式不对？
问题出在哪？大多数人把AI编程工具当聊天机器人用——问一句答一句，好不好用全看运气。真正高效的人把AI当成新入职的工程师来对待：给它配环境、写文档、立规矩、设权限、装工具链。这一整套让AI能在工程环境里持续、稳定产出代码的搭建工作，就叫驾驭工程。
这门课就是来教你做这件事的。八个课时，二十八节课，带你从零开始，把AI编程智能体从偶尔能用的玩具调教成团队里靠谱的同事。
一、认清局势：你用的不是聊天机器人，是智能体
课程先帮你建立正确认知。你会明白，软件工程已经走过了手写代码、IDE补全、AI自动补全三个阶段，现在正式进入智能体时代。现代编码智能体能读懂需求、分析整个代码库、生成代码、执行命令、跑测试、调试问题，甚至能解释自己的决策。这跟以前那种帮你补个括号的AI完全不是一回事。
搞清楚现状之后，课程带你盘点三大主流工具：Claude Code、OpenAI Codex CLI、Gemini CLI。每个工具都有自己的脾气——有的擅长复杂任务编排，有的在终端里跑得最顺，有的跟Google生态结合得紧。课程不会替你选工具，但会告诉你每个工具适合什么场景、有什么坑。
二、搞清楚核心概念：什么是驾驭工程
这一节是课程的基石。你会学到harness到底指什么——本质上就是包裹在AI模型外面的一层工程结构，包括配置、记忆、工具、权限、流程。模型本身是发动机，harness才是传动系统、方向盘和刹车片。没有这层结构，再聪明的大模型也只能给你看起来对、用起来崩的代码。
课程还会拆解AI智能体的内部运作机制：从接收任务、规划步骤、调用工具、检查结果，到最终交付，整个智能体循环是怎么跑起来的。理解这个循环，你才知道在哪个环节该干预、哪个环节该放手。
三、深度拆解三大工具的架构
光知道概念不够，你得能落地。课程对Claude Code、Codex CLI、Gemini CLI分别做了深度拆解，每个工具都从架构讲到内部组件，再配实操Lab带你亲手搭建。
Claude Code那两节课深入它的内部系统：CLAUDE.md文件怎么写、记忆功能怎么用、规划模式怎么触发、权限怎么控制、钩子怎么挂。搞清楚这些组件怎么协同，你就能根据团队实际情况定制它。
Codex CLI带你理解它围绕安装、认证、配置、智能体工作流、文件编辑、命令执行、审批这七个组件构建的架构。它跟Claude Code有相似之处，但实现细节和工作流差异不小。学完你就能在两个工具之间自由切换。
Gemini CLI则重点讲它的特性和开发工作流，让你看到不同厂商对"终端AI编程"这件事的不同解法。
四、跨工具的通用架构
学完三个具体工具，课程帮你抽出共性：所有AI编程智能体的核心组件大同小异——都有智能体循环、都依赖上下文管理、都需要记忆和工具调用。掌握这些通用模式，将来不管出什么新工具，你都能快速上手。
五、上下文工程：让AI记住你的项目
AI最容易翻车的地方就是失忆，聊了半小时的需求转头就忘。上下文工程这节专门解决这个问题。你会学到上下文窗口怎么工作、项目记忆怎么搭建、怎么针对大型项目优化上下文配置。配合实操Lab，你会亲手把大型项目的上下文调到最佳状态。
六、提示工程：写好指令比选好模型更重要
很多人以为提示工程就是"说人话"，其实远远不止。课程教你写更好的提示、设计智能体指令系统，让AI的输出从凑合能用变成稳定可靠。这块有专门实操Lab，让你把学到的原则落到具体提示词上。
七、工具调用与权限管控
AI智能体厉害在能调用工具，危险也在能调用工具。课程讲AI工具调用的底层机制，教你设计调用流程。更重要的是权限管理和沙箱机制——哪些操作可自动放行、哪些必须人工确认、怎么防止AI把你的服务器删了。这节是每个想在生产环境用AI的人必看的内容。
八、MCP协议：智能体时代的新标准
Model Context Protocol是Anthropic推出的开放标准，目标是让AI智能体能跟各种外部工具、数据源标准化对接。课程讲MCP是什么、怎么用它构建应用。学完这节，你就能让AI接上团队内部的各种系统，不再局限于厂商预设的工具集。
九、钩子、技能与自动化
这节教你两个进阶利器。钩子能在AI操作的特定节点自动触发你的逻辑，比如代码提交前自动跑lint、生成代码后自动写测试。技能则是把常用工作流封装成可复用模块。两者结合，能把大量重复操作彻底自动化。
十、多智能体协作
一个人的智慧不够，就用一群人。多个AI智能体怎么分工、怎么通信、怎么避免互相干扰？课程带你设计多智能体协作系统，解决更复杂的工程问题。
十一、生产环境部署
最后一节回到现实：怎么把实验成果变成生产可用的系统。你会学到生产级harness的搭建方法、可观测性建设——出了问题怎么排查、性能怎么监控、怎么确保AI的行为符合预期。
适合谁学？软件工程师想把AI工具从偶尔玩玩升级到日常依赖，这门课给你完整的工程方法论。DevOps或平台工程师要给团队搭建AI辅助开发环境，这门课是现成蓝图。技术负责人正在评估要不要在团队推AI编程工具，这门课帮你看清技术和管理的全貌。AI产品经理也能受益，搞清楚当前AI编程工具的能力边界和落地逻辑。
学完课程，你不会再把AI当聊天机器人。你会掌握一套完整的工程方法论，懂得如何设计、配置、监督AI编程智能体，让它在你的项目里持续产出高质量的代码。