AI 编程的工程实践
10 notes in this collection.
课程定位
这门课关心的不是「怎么让 AI 写得更快」,而是怎么保证 AI 写出来的东西没把已有功能改坏。
原作者在开场讲得很直白:用 AI 开发产品,真正的瓶颈已经不在生成速度,而在有没有足够的品管机制去接住 AI 的产出。
所以这门课讲的是流水线、检查、把关上线的那些环节。
学习路线
第 1 讲 · CI/CD 入门
- CI/CD 是什么 —— 一次改动从开分支到自动上线的五步
- CI 的本质 —— 一份可定制化的检查清单,长在
.github/workflows/ - 保底四关 —— Lint 抓坏习惯、Typecheck 抓类型、Test 抓改坏、Build 预演打包
- 为什么要空白机器 —— 本机跑得通是个假象
- 进阶关卡 —— 浏览器测试与用模型给模型打分
- CI 全绿的边界 —— 它只能拦住你事先定义好的问题
第 2 讲 · 全自动工作流拆解
- 瓶颈不在写,在审 —— 两条出路:加快审,或把审移出合并前
- 规划阶段 —— 先搞清系统怎么跑、当初为什么这么写,再打磨需求
- 实作阶段 —— 先骨架后砌砖、多模型比稿、强制测试先行
- 三关验收 —— 让 AI 自己写操作 SOP、自己算爆炸半径、换家族交叉审
- 一条铁律 —— 写这张 PR 的 AI 无权核准自己的 PR
- 环境改造 —— 让错误从物理上不可能发生
- 六步进阶 —— 从「观察它怎么失败」到「敢开自动合并」
第 3 讲 · 怎么设计一份好 Skill
- 四层结构 —— SKILL.md 是岗位说明书,不是仓库
- 七条原则 —— 边界、披露、结构化、可执行、闭环、失败策略、单一职责
- description 三层触发词 —— 业务词、技术词、口语词缺一不可
- 渐进式披露 —— 只放索引,九份深度文档按需加载
- 分级步骤 —— 一个技能覆盖三种复杂度,比三个技能更实用
- 四条红线 —— 生命周期、API 幻觉、配置、语音打断
- 自检清单 —— 把质量门禁从人工 Review 前移到生成时
第 4 讲 · 项目级 AI 规范文件
- 它是什么 —— 机器读的是配置,AI 读的是自然语言
- 三个场景对照 —— 按钮组件、接口调用、提交信息
- 六个章节 —— 技术栈、目录、编码规范、构建命令、Never 规则、协作约定
- 可判定 —— 「用 interface 不用 type」有效,「遵循最佳实践」等于没写
- 演进日志 —— 每条 Never 背后都该有一个踩坑故事
- 双用途 —— 也是给新人的项目浓缩版
- 会过期 —— 过期文档比没有文档更糟,命令漂移要交给机器守
第 5 讲 · 从 SOP 到 Skill
- 提示词 vs Skill —— 临时工与专业技能
- 营销周报案例 —— 三轮对话压缩成一句话
- 真正的成本 —— 不在算,在「指标口径不统一」
- 需求澄清案例 —— 该问却没问的三件事
- 为什么有效 —— 人为错误降为零,因为人只经手一次
第 6 讲 · Skill 实操与五步改造
- 环境四步 —— 基础环境、装助手、配模型、可视化入口
- 三种存放位置 —— 项目级、全局、临时上传
- 用 Skill 创建 Skill —— 一句话加四轮反问
- 五步改造法 —— 拆流程、定输入输出、提炼决策、写文件、测试
- 好描述与差描述 —— 按业务语义写,不按实现写
- 长规则抽到引用目录 —— 上下文预算管理
- 再抽一层脚本 —— 让它先生成,再把产物固化
第 7 讲 · 从 Human SOP 到 Agentic Workflow
- 三个词分层 —— SOP 是文件,Skill 是任务,Workflow 是流程
- 为什么换个更强的模型不管用 —— 请人打扫的那个比喻
- Mega Agent 的死路 —— 整坨进去整坨出来,看不见中间
- 四步法 —— 格式标准化、任务拆解、双向开发、整合与检查点
- MUST / SHOULD / MAY —— 把规则的软硬变成三个档位
- artifact 串联 —— 靠 JSON 不靠心电感应
- 默会知识 —— 第一版难免有缺陷,所以只能跑着改
第 8 讲 · 自建部署平台
- 为什么换 —— 托管平台的网络与额度限制
- 三个核心东西 —— 服务器、面板、MCP
- 选节点的坑 —— 海外节点免备案,这是流程差异不是性能差异
- 装面板 —— 端口检查、防火墙放行、自带反向代理与证书
- 接 AI —— 密钥不进对话,占位符后填
- 先只读验证 —— 「确认调用了工具」,而不是听它解释
- 那七条约束 —— 防重复、凭证不露、缺信息就问、不以已提交代替成功
- 三层验收 —— 只有「重新登录数据还在」才算真接上
第 9 讲 · 自动化的两个部分
- 目标与流程 —— 你最后想要什么,和你怎么到达
- 最常见的错误 —— 把流程(填表、发邮件)误当成目标
- 交代流程的方法 —— 用语音一口气说完,不用先整理
- 先复述,别执行 —— 错误的目标会被一路执行到很深
- 那些没意识到的判断 —— 「两者不一致该信哪个」
- 让它自己拿反馈 —— 数据越计算机化,自动化越强
- 什么时候跑 —— 有 routine 才不做瓶颈
第 10 讲 · 让 Agent 跑完整个闭环
- 断在哪 —— 不是几次点击,是 Agent 看不到成片
- 三条通道 —— API 直出、操作网页、外部命令行,各花各的钱
- 四条边界 —— 十秒上限、不能带音轨、不能比成片短、不说分辨率就最贵
- 提示词纪律 —— 按衣服认人,别按位置认人
- 真人视频过不了审 —— 静默取消,连卡片都会消失
- 深度灰模 —— 去掉表达,只留结构与运动
- 真实账单 —— 跑通够用,量产不够
阅读提示
- 各篇均为字幕整理稿,不是逐字记录
- 文中的工具名(GitHub Actions、Playwright 等)、指令、平台行为与人名数字,均沿用原片口述口径,未做外部核验
- 第 1 讲的示例是原作者的记账软件案例;第 2 讲拆解的是第三方开源工作流;第 3 讲以某 3D 数字人 SDK 为实例,文中提到的产品与邀请码不构成推荐;第 4 讲的效果数据来自原作者三周的抽检统计,样本与口径未做外部核验
AI 说「等 CI 通过再合并」,CI 到底是什么
一份讲清 CI/CD 的入门整理。作者从一个很真实的困惑开场:AI 写完功能问你要不要开 PR,你说好,它下一句说「等 CI 通过再合并」——非技术背景的人到这里就懵了。全文用同一个记帐软件案例把五步走完:开分支、推上去开 PR、CI 自动检查、合并、CD 自动部署。中段把 CI 拆成一份可定制化的检查清单,讲透保底的三关——Lint 抓坏习惯、Typecheck 抓类型错、Test 抓改坏旧功能、Build 预演打包。最后提醒:CI 全绿只是最低底线,拦的都是你事先定义好的问题。
2026-11-18一个月 2500 张 PR:把信任一阶一阶换成产能
一份对某位资深工程师自动化工作流的拆解整理。她能一个月合并不乏几千张 PR,靠的不是写得更快,而是把人类介入点一路往后推。三阶段各有机制:规划阶段先搞清系统怎么跑、为什么这么写,再打磨需求;实作阶段先画骨架、多模型比稿、测试先行;验收阶段让 AI 自己写操作 SOP、自己算爆炸半径、让不同家族的模型交叉审问。最关键的一条铁律是「写这张 PR 的 AI 永远无权核准自己的 PR」。收尾给了六步进阶路径,每步都有过标准的判据。
2026-11-18一份好 Skill 长什么样:七条原则与四条红线
一份关于 Skill 设计的实践整理。作者用一个 3D 数字人 SDK 做实例,把「怎么让 AI 在正确的时机做正确的事」拆成七条原则:边界明确、渐进式披露、输入输出结构化、步骤可执行、反馈闭环、失败策略、职责单一。落地细节比原则更有意思——description 里要同时覆盖业务词、技术词和口语说法;SKILL.md 只做导航,九份深度文档放 references 按需加载;护栏分四条红线,每条背后都是一个真实的踩坑。文末给了一份生成后的自检清单。
2026-11-18AGENTS.md:一个 Markdown 文件怎么改变 AI 写代码的质量
一份关于项目级 AI 规范文件的实践整理。作者的判断是:AI 缺的不是能力,是上下文——同一个模型,没有规矩时写出实习生第一天的代码,有规矩时像三年经验的同事。文章给了六个章节的写法、一份可直接抄的模板,以及价值最高的一章「Never 规则」。其中三条我觉得最经得起检验:Never 规则必须可判定(否则等于没写)、每条规则背后都该有一个真实踩坑、以及那份文件最大的隐患是会过期(目录改了、命令换了、AI 还按旧的来)。
2026-11-18提示词是三小时工,Skill 是专业技能
一份关于「把 SOP 改造成 Skill」的课程整理。作者用一个营销周报的场景做对照:传统提示词要三轮对话、手动贴文件、每次重新教一遍口径;写成 Skill 之后是一句话,AI 自己按流程走完。两个案例讲清差别——营销数据分析的漏斗加预算重分配,需求澄清的技能能把一句「加个夜间开关」问成技术栈、存储、生效范围三组具体选择。后半段给了五步改造法:拆流程、定输入输出、提炼决策、写 SKILL.md、测试。
2026-11-19把 SOP 写成 Skill:五步改造法与那些具体的坑
上一讲给的是效果对比,这一讲是动手部分。前半段讲环境:装运行时、配国产模型、三种 Skill 存放位置各自适用的场景。后半段是五步改造法——识别流程、定输入输出、把人的决策提炼成判断、写 SKILL.md、测试。其中我觉得最实用的三处:description 是触发准确性的全部依据(差例是「帮助分析数据」,好例要带业务语义);业务规则太长就抽到引用目录按需加载;以及「用 Skill 创建 Skill」这条捷径。
2026-11-19把 Human SOP 变成 Agentic Workflow:四步与那些默会知识
一份关于任务拆解的课程整理。作者先把三个容易混淆的概念分层:Human SOP 是给人看的纸本流程,Skill 是打包给 Agent 的执行单位,Agentic Workflow 是把多个 Skill 加工具串起来的生产线。然后解释为什么「换个更强的模型」不管用——他用请人打扫家里这个比喻说明:问题从来不是对方够不够聪明,而是你没说出你在想什么。核心是四步:格式标准化(参数化、MUST/SHOULD/MAY、结构化)、任务拆解与 artifact 串联、双向开发、整合与人类检查点。
2026-11-18一台 VPS 加上 Dokploy:把部署攥回自己手里
一份自建部署平台的实操整理。作者先说清为什么不用托管平台——国内访问不稳定、免费额度紧、跑不了常驻任务。然后是三步:买一台海外轻量服务器(选海外节点是为了免备案)、装一个开源部署面板(自带反向代理与证书签发)、生成 API Key 接到 AI 的 MCP 上。后半段最有价值的不是流程,而是他给 AI 写的那些任务说明——每条都写清了「不许做什么」和「怎么才算成功」,还有一句「工具无法检查的部分明确说明,不以『已提交部署』代替成功」。
2026-11-18自动化只有两部分:一个目标,一个流程
一份面向非技术读者的自动化入门整理。作者把自动化拆成最朴素的两件事——目标是你最后想拿到什么,流程是你怎么到达——然后指出最常见的错误:把流程误当成目标(填表、发邮件都不是目标,只是步骤)。中段给了一套很实用的交代方法:用语音把脑中的步骤、留意点、工具、验收方式、信息来源一次说完,不用先整理。后半段讲两个进阶点:一是那些「你根本没意识到自己在做」的判断,二是让机器人自己去拿反馈来改进流程。
2026-11-18把闭环接上:让 Agent 自己跑完出片全流程
一份关于「Agent 编排多工具」的实战整理。作者原本已经能让 Agent 看懂视频、反推提示词、画角色定妆照,但出片那一步还得人工搬运——而断掉的不是几个点击,是闭环:Agent 看不到成片就没法对着原片改。接上之后他跑了三条通道(API 直出、网页操作、外部命令行),每条都写了清楚的边界。最有价值的不是流程,是他踩出来的那几条硬约束:参考视频不能超十秒、不能带音轨、不能比成片短,以及不说分辨率就默认给你最贵的那档。
2026-11-18