资源介绍
视频数量：71个
总时长：12小时2分
课程介绍：
提示词工程与氛围编程应用实战
你把一句“帮我做个客户管理工具”交给聊天机器人。它也许马上生成一整套页面，可打开后，字段对不上，数据库没接好，需求还漏了一半。问题不在模型不够聪明，而在于目标、边界和步骤没说清楚。这套课程用71节视频、约12小时内容，从人工智能原理讲到智能体协作与完整发布，带你把聊天框里的偶然发挥，变成可规划、可修改、可交付的数字产品。
一、先看懂人工智能如何生成答案：
课程从神经网络、编码器、解码器和Transformer架构讲起，再拆解分词、上下文、下一个词元预测与常用参数。即使没有机器学习基础，你也能理解模型为何会续写答案、为何会漏掉条件，以及提示信息如何影响输出。学到这里，你不再把模型当成万能答案机，而能判断它更适合资料分析、内容生成、代码协作还是应用搭建。
二、把模糊想法写成可执行指令：
提示词工程先讲高质量指令的组成，包括角色、任务、背景、格式、长度、约束和示例。课程把“写一篇气候变化文章”改成有立场、字数、段落和语气要求的任务，让你看到具体性怎样减少偏差。随后讲零样本、单样本、少样本、角色模式、推理与行动、思维链，并明确模型以什么身份做事、依据什么信息、交付什么结果。
三、沉淀可复用提示词，并生成专业图片：
课程演示如何保存提示词、创建定制化GPT、配置Gemini扩展，再把角色与工作流用于数据库管理、营销文案、数学教学和Python辅导。图像部分讲解镜头类型、主体、风格与参考素材，对比ChatGPT的DALL·E和Gemini Nano Banana，完成社交媒体产品图、照片修复上色、反应镜头与信息图。重点是把用途、构图、氛围和尺寸说清楚，让结果更接近可交付标准。
四、把资料变成多种学习成果：
NotebookLM章节演示导入网页、Google云端硬盘和文本资料，再从同一组来源生成音频概览、视频、演示文稿、思维导图、测验与信息图。面对合同、报告、教材或专题资料，可以先建立资料库，再把长篇内容转成便于理解、讲解和复习的形式。
五、从需求描述进入氛围编程：
课程先用Lovable展示应用案例，再从注册配置、制作和修改落地页入手，把想法整理成需求、任务与界面设计。随后分析调研结果，用巨型提示词梳理产品定位、页面结构、功能清单和视觉方向，再交给Lovable生成网站骨架。训练重点不是随口让它做，而是先想清楚，再让智能体执行。
六、用Kiro管理本地开发流程：
Kiro部分聚焦规格驱动开发。先处理错误、启动任务，再把GitHub项目连接到Lovable并克隆到本地，在本地创建应用。随后让Kiro生成规格与任务，安装Supabase、执行迁移并启动任务，再用新的组织管理规格扩展业务。代码生成由此进入可查看、可调整、可迁移的本地流程。
七、调度智能体，并把Lovable应用发布出去：
Antigravity覆盖安装设置、任务执行和智能体管理器。界面异常或功能报错时，可以上传截图，让智能体依据真实错误继续修正；多智能体协作用于拆分任务、分配工作和汇总结果。Lovable部分还会处理数据库迁移、边缘函数、可视化编辑、安全检查与正式发布，关注数据能否运行、权限是否核对、应用能否上线。
八、用Claude Code处理真实项目：
命令行部分先安装Gemini命令行工具、Codex与Claude Code，再通过查询CSV熟悉代码助手。你会用规划模式把CSV做成带图表的仪表盘，再生成网页、Python处理的PDF报告和Excel图表。课程还带你从零制作技能与智能体，安装他人分享的智能体，用项目级配置保存常用指令。代码审查、重构、文档整理和应用总结也都包含在实战里，让智能体不只写代码，还能检查质量、维护项目。
九、完成一次可发布的落地页：
综合项目以FluentAiPro落地页为线索，从编写规格、拆分计划和任务，到调用子智能体并行完成工作，最后部署到Firebase。这个案例把提示设计、规格拆分、智能体协作和发布串在一起，也展示规模化开发应有的节奏：先定标准，再分任务，持续验证。
十、找到适合自己的学习方式：
如果你会用电脑，却不熟编程和人工智能原理，这套课适合想从需求描述走到应用原型的人；已经写代码的人，可以重点学习怎样把规格、任务和智能体纳入日常开发。课程涉及多款主流人工智能工具，关键不是记住每个按钮，而是掌握能迁移的提问、拆解与验收方法。学完后，你会得到稳定的提示词方法、可执行的应用开发流程，以及从本地编码、数据库连接到发布上线的实战经验。面对新需求，你不再依赖临场运气，而是清楚先问什么、先规划什么、该让智能体做什么，以及怎样验收最终结果。