课程简介
从大模型的通识基础与Prompt工程入手,到AI编程智能体及工具的实战应用,课程深入讲解了如何借助主流模型和工具(如Codex、DeepSeek Coder、Github Copilot等)提升开发效率。通过全栈开发工作流的落地实践,包括需求分析、架构设计、代码生成和测试用例编写等环节,学员将掌握AI辅助开发的全流程方法,提升开发效率和质量。
目标收益
培训对象
课程大纲
引子 | AI大模型(DeepSeek、Copilot、Trae等)辅助编程技巧 |
第一单元 AI大模型通识基础与Prompt工程 |
1.AI大模型通识 1.1大模型的定义与特点 1.2大模型的分类与应用 1.3开源 vs 闭源大模型 1.4Token模式与定价 2.Prompt应用、模式与工程 2.1Prompt是什么 2.2Prompt要素与案例 2.3Prompt思维框架 2.4软件工程=Prompt工程 |
第二单元 AI编程智能体与工具 |
3.AI Agent智能体及应用案例 3.1Agent是什么 3.2代码及软件公司:MetaGPT 3.3全球首位AI工程师:Devin 3.4延展:Manus,擅长通用任务的Agent助手 |
第三单元 编码大模型与工具应用 |
4.智能编码目前包含哪些能力? 5.常见智能编码模型 5.1OpenAI代码模型基座:Codex 5.2DeepSeek Coder 5.3Meta CodeLlama 5.4Anthropic Claude 5.5总结对比 6.常见智能编码工具实战应用 6.1Github Copilot(Chat模式) 6.2Cursor/Cline(Agent模式) 6.3Trae Builder(Agent模式) 7.AI辅助下的全栈开发工作流落地实践 7.1 需求分析与整理 7.2 架构设计与数据建模 7.3 让工具更智能:Rule/MCP配置 7.4 工程搭建与代码生成 7.5 测试用例编写与单测生成 7.6 实现Docker下的全栈服务交付 |
引子 AI大模型(DeepSeek、Copilot、Trae等)辅助编程技巧 |
第一单元 AI大模型通识基础与Prompt工程 1.AI大模型通识 1.1大模型的定义与特点 1.2大模型的分类与应用 1.3开源 vs 闭源大模型 1.4Token模式与定价 2.Prompt应用、模式与工程 2.1Prompt是什么 2.2Prompt要素与案例 2.3Prompt思维框架 2.4软件工程=Prompt工程 |
第二单元 AI编程智能体与工具 3.AI Agent智能体及应用案例 3.1Agent是什么 3.2代码及软件公司:MetaGPT 3.3全球首位AI工程师:Devin 3.4延展:Manus,擅长通用任务的Agent助手 |
第三单元 编码大模型与工具应用 4.智能编码目前包含哪些能力? 5.常见智能编码模型 5.1OpenAI代码模型基座:Codex 5.2DeepSeek Coder 5.3Meta CodeLlama 5.4Anthropic Claude 5.5总结对比 6.常见智能编码工具实战应用 6.1Github Copilot(Chat模式) 6.2Cursor/Cline(Agent模式) 6.3Trae Builder(Agent模式) 7.AI辅助下的全栈开发工作流落地实践 7.1 需求分析与整理 7.2 架构设计与数据建模 7.3 让工具更智能:Rule/MCP配置 7.4 工程搭建与代码生成 7.5 测试用例编写与单测生成 7.6 实现Docker下的全栈服务交付 |