课程简介
AI编程正在改变技术团队的工作方式：用自然语言描述需求就能生成代码，Claude Code、Codex、Gemini等工具在企业里快速普及，三节课企业版的热学榜上，Vibe Coding、Harness Engineering、Agent Skills等课程都排在前列。但很多团队用下来发现，AI写得快却不一定写得对，生成的代码难以维护，智能体上线后不稳定、不可控。
本课程以一家金融科技公司研发团队的内部工具开发为主线，讲清AI编程的正确工作流，以及让智能体稳定、可靠、可控上线的工程化方法。讲师有网易、阿里、工银瑞信的技术与数据背景，课程重点放在团队协作和工程质量，而不是单纯演示工具。
目标收益
1、掌握AI编程工作流：会写需求说明，让AI分步生成、修改和重构代码。
2、守住代码质量：会用AI做代码审查、补测试、写文档。
3、会做智能体工程化：掌握技能、上下文管理、权限控制与测试评估的方法。
4、带回团队规范：形成一份适合本团队的AI开发规范草案。
培训对象
企业研发、测试、数据及IT团队成员和技术负责人，需具备基本编程经验。
课程大纲
| 主题一、代码生成很快却越改越乱：掌握Vibe Coding的正确工作流 |
1.AI编程工具格局 1.1Claude Code、Codex、Gemini CLI等命令行智能体的能力与适用场景。 1.2IDE类工具与命令行智能体的区别，团队如何选型。 2.需求说明怎么写：目标、约束、输入输出、验收标准。 3.分步生成：先搭骨架，再填功能，最后联调，避免一次性生成大段代码。 4.上下文工程：项目说明文件、目录约定与示例代码，让AI“懂项目”。 5.人机分工：AI负责实现，人负责设计、审查和决策。 【案例】某金融科技公司研发团队：用一份需求说明和项目说明文件，让Claude Code分步生成一个内部数据查询工具的前后端代码，半天完成原型。 【实战】学员用AI编程工具完成一个小工具的需求说明与原型开发。 |
| 主题二、AI写的代码没人敢上线：守住审查、测试与维护质量 |
6.代码审查：让AI自查，再按清单人工审查安全、性能和可读性。 7.测试补全：用AI生成单元测试和边界用例，测试先于合并。 8.文档与注释：让后来的人看得懂、改得动。 9.团队规范 9.1提示词与技能模板共享。 9.2代码风格、提交与审查流程。 9.3AI生成代码的标注与责任归属。 【案例】某金融科技公司研发团队：原型上线前用AI补齐测试，发现两处边界条件处理错误；团队据此制定了“AI生成代码必须附测试”的规范。 【实战】学员对自己的原型完成审查清单和测试补全。 |
| 主题三、智能体一上生产就失控：用工程化方法做到稳定可控 |
10.从Demo到生产：智能体上线后为什么会失控。 11.Harness Engineering工程化要点 11.1技能与上下文管理：给智能体恰好够用的信息。 11.2权限与安全：最小权限、敏感操作人工确认。 11.3测试与评估：用固定用例集持续检验输出质量。 11.4监控与日志：出问题能追溯、能回滚。 12.多智能体协作：任务拆分、角色分工与结果汇总。 13.团队AI开发规范草案：工具、流程、质量、安全四部分。 【案例】某金融科技公司研发团队：把查询工具升级为自动生成日报的智能体，通过限制数据权限、设置人工确认和固定用例回归测试，稳定运行上线。 【实战】学员为自己的工具设计智能体工程化方案，团队讨论形成开发规范草案。 |
|
主题一、代码生成很快却越改越乱：掌握Vibe Coding的正确工作流 1.AI编程工具格局 1.1Claude Code、Codex、Gemini CLI等命令行智能体的能力与适用场景。 1.2IDE类工具与命令行智能体的区别，团队如何选型。 2.需求说明怎么写：目标、约束、输入输出、验收标准。 3.分步生成：先搭骨架，再填功能，最后联调，避免一次性生成大段代码。 4.上下文工程：项目说明文件、目录约定与示例代码，让AI“懂项目”。 5.人机分工：AI负责实现，人负责设计、审查和决策。 【案例】某金融科技公司研发团队：用一份需求说明和项目说明文件，让Claude Code分步生成一个内部数据查询工具的前后端代码，半天完成原型。 【实战】学员用AI编程工具完成一个小工具的需求说明与原型开发。 |
|
主题二、AI写的代码没人敢上线：守住审查、测试与维护质量 6.代码审查：让AI自查，再按清单人工审查安全、性能和可读性。 7.测试补全：用AI生成单元测试和边界用例，测试先于合并。 8.文档与注释：让后来的人看得懂、改得动。 9.团队规范 9.1提示词与技能模板共享。 9.2代码风格、提交与审查流程。 9.3AI生成代码的标注与责任归属。 【案例】某金融科技公司研发团队：原型上线前用AI补齐测试，发现两处边界条件处理错误；团队据此制定了“AI生成代码必须附测试”的规范。 【实战】学员对自己的原型完成审查清单和测试补全。 |
|
主题三、智能体一上生产就失控：用工程化方法做到稳定可控 10.从Demo到生产：智能体上线后为什么会失控。 11.Harness Engineering工程化要点 11.1技能与上下文管理：给智能体恰好够用的信息。 11.2权限与安全：最小权限、敏感操作人工确认。 11.3测试与评估：用固定用例集持续检验输出质量。 11.4监控与日志：出问题能追溯、能回滚。 12.多智能体协作：任务拆分、角色分工与结果汇总。 13.团队AI开发规范草案：工具、流程、质量、安全四部分。 【案例】某金融科技公司研发团队：把查询工具升级为自动生成日报的智能体，通过限制数据权限、设置人工确认和固定用例回归测试，稳定运行上线。 【实战】学员为自己的工具设计智能体工程化方案，团队讨论形成开发规范草案。 |
近期公开课推荐
