资源介绍
视频数量：38个
总时长：2小时11分
课程介绍：
人工智能编程实战：提问、测试与验证
凌晨两点，值班电话响了。上游服务超时后把同一个事件重发了一次，你的系统却生成了两张客户工单。你打开编辑器，把报错和那段代码一起丢给助手，几秒钟后它给出一个补丁，测试全绿。你合并、上线、睡觉。第二天早上，数据库里躺着一排重复工单。
从让机器帮你写，到敢为结果负责，中间隔着一段不长、但特别容易被跳过的路。这门课用一套叫 RelayDesk 的小型工单服务，把这段路一格一格走一遍。38 个视频，2 小时 11 分，从复现一个缺陷开始，到交出一份带证据的变更结束。每一章都配好了可以直接上手的三份代码：起始版本、参考版本，还有一个故意做错的候选版本。
一、先学会不信：调试 AI 给出的修复
第一章讲的不是怎么写代码，而是怎么怀疑一个看起来正确的补丁。你先看清这套系统的结构：一个接收事件的接口，把事件编号、客户编号和摘要写进数据库，返回新工单号。缺的是什么？没有任何规则规定同一个事件编号只能出现一次。重试测试因此失败，而失败本身是有用的证据，不是要赶紧藏起来的麻烦。
接下来，你把确切的失败复现交给智能体，让它去改，然后自己动手检查它到底改了什么。课程里专门展示了一个测试全绿、行为却仍然错的补丁，你会用一条数据库探针去挑战一个已经通过的测试。三个练习分别对应：复现重试问题并核对数据库的唯一性约束、用探针挑战通过状态的测试、用先计划再打补丁最后跑测试的方式修一个校验缺陷。
二、把模糊的需求变成能测的提示词
第二章处理一个更日常的麻烦：手上只有一张含糊的工单。你会学到怎么把它改写成一条能被验证的提示词，怎么在让智能体动手之前先索要仓库里的证据，怎么只请求一个单文件补丁并验证它的实际行为。还有一个很实用的手法：当它给出没有依据的结论时，别跟它争，也别把问题原样再问一遍，而是把那条错误主张连同代码里的反例一起发回去。课程完整演示了它怎么撤回一处凭空的架构建议，以及为什么第一次纠正仍然不到位。
三、少给上下文，多留证据
第三章讲节省。你要读懂令牌用量，但别把它直接等同于花费；只把真正相关的仓库片段喂给模型，而不是把整个项目塞进去；写一份状态笔记，让中断的会话第二天还能接着往下做。练习是搭一个上下文包、量一次真实用量、留下一份可复用的状态记录。这一章的价值在长会话里体现得最明显，上下文越干净，模型给出的判断越稳。
四、按任务风险挑模型
排行榜每天都在变，光看名次没用。第四章教你读编程基准以及它的局限，用同一把事先定好的尺子给两个模型的答案打分，再根据任务风险和手上已有的证据决定用哪一个。风险高的任务用更强的模型加人工复核，风险低的就交给便宜模型跑量，这张分派表能把选择从感觉变成规则。
五、给智能体划好边界做功能
第五章开始真正做一个功能。把功能工单拆成可验收的用例，给智能体划清它能碰的范围，看它实现并测试一个小功能，然后审查补丁，在必要时拦下一次不安全的发布。你练习的是计划、实现、测试、复审一个优先级过滤功能。
六、测试、探测、复审
第六章把验证做得更硬：写能暴露回归的测试，顺着数据流查出并堵住一处隐私泄露，用三千行数据探一探分页和重试的边界，再请一次只读复审去找隐藏的边界问题。第二双眼睛很关键，同一个模型换成一个只读的视角，常常能发现它自己写测试时看不见的缝。最后自己动手测试补丁、探测边界、判断这个版本能不能发布。
七、事故诊断与发布决策
第七章面向线上。从日志和数据库证据里诊断一次重试事故，修好旧数据库上的失败但不把测试藏起来，在干净环境里把运维手册完整演练一遍，再根据证据做出发布或者暂缓的决定。这一章练的不是写代码，是在压力下给出能追溯的判断。
八、结课项目：交出一份有证据的变更
最后几课不再给答案。你要自己定义一个变更契约和一条注定失败的基线，用有边界的智能体把它实现出来，然后主动挑战那个已经变绿的补丁，写出一份别人能直接接手的交接说明。做完这一步，你会拥有一套完整的、从提示到验证的闭环。
这门课适合谁？每天都用人工智能写代码，却每次合并前心里都没底的工程师；要替团队定下什么补丁可以进主干这类规矩的技术负责人；还有负责发布把关、常常要在半夜做决定的值班同学。学完之后，你拿到的不是又一个炫技的工具，而是一套能重复执行的流程：从复现失败开始，到留下证据结束。