先把模型看懂，再把工作流做对
你会先理解 token、上下文、工具调用和幻觉，再进入 AI 辅助编程，不会一上来就被术语和命令淹没。生成式 AI -> AI 辅助编程 -> 大型全栈应用
把 AI 从“会用”练到“能交付”。
这不是零散技巧库，而是一条面向小白的完整主路径：先理解模型与风险，再学 Codex CLI 的工作流，最后把前后端、测试、部署和协作一起打通。
每一课都带着测试、审查和发布目标
这里不教“神奇提示词”，而是教你如何让 AI 产出能被验证、能被维护、能被上线的代码。用 Codex CLI 贯穿个人开发到多人协作
从单人修 bug、补测试，到多子代理拆任务、接入 GitHub 与 Cloudflare，整个教程围绕真实开发节奏展开。从生成式 AI 基础一路走到全栈交付与大型项目协作。
每个阶段都有可操作课时卡片、练习任务与验证清单。
安装、审查、子代理、Web 搜索、审批、安全与自动化全部覆盖。
让零基础学习者完成一条从概念到上线的完整主路径。
学习进度
让学习路线变成可追踪的训练节奏
本周目标4次深度练习
下一步进入 生成式 AI 基础认知
Learning Path
先学判断，再学提问，再学交付
首版课程分成 8 个阶段。每个阶段都围绕一个核心能力：概念、工具、验证、架构、协作和上线。
生成式 AI 基础认知
先建立概念地图，再开始让模型参与编码。
理解模型如何工作、为什么会错、什么时候值得相信、什么时候必须人工兜底，是后续 AI 辅助编程的前提。
- 弄清 token、上下文窗口、采样、工具调用和成本之间的关系。
- 知道模型最常见的失败模式，并学会把验证写进流程。
- 建立“模型擅长生成，开发者负责判断”的基本心智。
AI 辅助编程心法
学会让 AI 参与工作，而不是把责任外包给 AI。
你要建立的是一种可持续的人机协作方式：先拆任务，再给上下文，再审查输出，最后靠测试和回归兜底。
- 理解什么任务适合交给 AI，什么任务应该由人类主导。
- 知道为什么“会运行”不等于“可维护”。
- 学会把 AI 输出放进正常的工程流程，而不是绕过流程。
稳定开发环境与工作流
终端、Git、测试和包管理，是 AI 编码提效的地基。
如果本地环境混乱、分支策略混乱、测试不存在，再好的 AI 也会把混乱放大。先把基础设施立住，后面提效才不会变成返工。
- 能独立完成终端、Git、包管理器和项目运行环境的最小配置。
- 理解为什么分支、提交、PR 和回归测试必须进入主线流程。
- 知道如何给 Codex CLI 提供稳定、可重复的执行环境。
Codex CLI 全面实战
把命令行变成你与 AI 协作的主工作台。
这一阶段会系统覆盖 Codex CLI 的主能力：安装与登录、在仓库内工作、代码审查、子代理并发、Web 搜索、审批模式和自动化集成。
- 能在真实仓库里稳定使用 Codex CLI 进行开发与审查。
- 理解何时该开子代理、何时该保守、何时必须人工批准。
- 知道如何把 CLI 能力接到日常自动化和 CI 流程里。
Codex CLI
不是只会提问，而是会组织工作流
课程会把 Codex CLI 拆成可复用能力，而不是把它当成黑盒魔法。你会学会在不同阶段切换模式、加上验证和人工把关。
安装与登录
codex login 第一次在本机启用 Codex CLI，确认账号、环境和工作目录。
如果登录态、工作目录和项目上下文不清楚，后续所有命令都可能在错误前提下运行。
代码审查 /review
/review 在提交前检查风险点、回归面、缺失测试和风格不一致问题。
AI 不仅能写代码，更能帮你做高频 review，把隐含风险提前暴露出来。
子代理并发
使用 subagents 拆分独立子任务 当任务可以拆成独立的调研、实现、测试或文案工作时并发推进。
大型任务最怕一个代理上下文过载。子代理能把复杂问题拆散，再由主代理统一收口。
Web Search
在需要外部资料时启用 Web 搜索 查当前文档、版本差异、官方说明和近期变更，尤其适合高时效信息。
很多技术和平台信息都会变，外部搜索能减少凭记忆回答带来的过时风险。
Interactive Labs
先动手，再看答案
网站内置几个最实用的训练器：写 prompt、拆任务、做阶段自测和追踪进度。全部在浏览器本地运行，不需要登录。
Prompt 练习台
把模糊需求改写成可执行任务
先写清目标、边界和验收标准，再把任务交给 Codex。
建议任务说明
codex exec任务拆解实验板
大型应用要先拆，再做
把范围、风险、验证方式放前面，AI 才能稳定协作。
- 1. 定义交付目标主代理
做一个支持本地进度记录的 AI 编程学习站，并上线到 Cloudflare
- 2. 划定不可碰的边界架构 / 审查
不要引入后端登录；不要破坏现有课程结构；保持移动端可读
- 3. 拆出并行工作包子代理
把 UI、数据、测试、部署拆成互不覆盖的任务。
- 4. 安排验证节奏验证代理
重点回归：交互组件过重；文案空泛；缺少上线验证
- 5. 集成与发布主代理
整合改动、补文档、确认上线步骤和回滚面。
Resources
每个阶段都挂接官方资料和实战资料
OpenAI 和 Cloudflare 这些能力迭代很快，课程会把知识主线和官方资料并排展示，避免你学完就过时。
OpenAI 官方主线
所有关于 Codex CLI 能力、子代理、审批与安全边界的第一参考源。
- Codex CLI 安装、登录和基础使用的官方入口。
- Codex CLI Features 覆盖 review、图像输入、搜索、技能等功能的总览。
- Codex Subagents 用于学习多代理协作、任务拆分和主代理收口。
- Agent Approvals & Security 配置审批模式和高风险动作边界时必须对照。
Cloudflare 发布路线
课程站和毕业项目上线 Cloudflare Pages 时最需要对照的官方文档。
- Pages Get Started 从项目创建到首个部署的主入口。
- Astro on Cloudflare Pages Astro 项目的构建命令和输出目录对照页。
- Pages Custom Domains 绑定 `learnai.365121.xyz` 时要核对的官方步骤。
- Pages Direct Upload 当 Git 集成暂时不通时的备用发布路径。
练习与延伸
把教程内容转化成长期可复用练习的补充入口。
- OpenAI Resources 官方资源页，可继续扩展练习题、示例和工作流素材。
- OpenAI Platform Overview 需要回到平台级概念时的统一参考入口。