Token、上下文与成本
理解模型输入输出的基本计量方式，以及为什么“塞更多内容”不等于“理解更完整”。
直接学习这节生成式 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。
提示词不是咒语
提示词的本质不是技巧炫耀，而是把任务定义清楚。
直接学习这节哪些任务最适合交给 AI
先识别高收益场景，再让 AI 发挥价值，而不是什么都让它做。
直接学习这节如何给上下文
有效上下文不是越多越好，而是刚好覆盖当前决策需要的最小闭环。
直接学习这节终端与文件系统基础
先能看懂自己站在哪个目录、项目有哪些文件，再谈让 AI 在仓库里工作。
直接学习这节先把模型看懂，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。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。
How To Use
先选入口，再学阶段，再做项目。把它当课程系统，而不是零散文档集合。
What Changes
每个阶段页现在都有正式正文、练习、自检和 FAQ，可以直接学，不再只是大纲。
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。
如果你是零基础，就按顺序走；如果你已经会写代码，就把它当作系统化矫正工作流的方法。
- Stage 1-3：把概念和环境打牢。
- Stage 4-6：把 Codex CLI、测试和全栈交付串起来。
- Stage 7-8：把大型项目和持续迭代练成熟。
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。
Real Lessons
你在站内真正会学到什么
不是只有大纲。下面这些是站内正式课程里的真实课时切片，每一节都包含讲解、练习和自检。
Token、上下文与成本
理解模型输入输出的基本计量方式，以及为什么“塞更多内容”不等于“理解更完整”。
- 知道 token 是什么，以及它为什么影响成本和上下文长度。
- 理解上下文窗口是有限资源，而不是无限记忆。
提示词不是咒语
提示词的本质不是技巧炫耀，而是把任务定义清楚。
- 理解高质量 prompt 的核心组成。
- 区分模糊要求和可执行任务。
哪些任务最适合交给 AI
先识别高收益场景，再让 AI 发挥价值，而不是什么都让它做。
- 识别最适合 AI 的任务类型。
- 区分模式化工作与强判断工作。
如何给上下文
有效上下文不是越多越好，而是刚好覆盖当前决策需要的最小闭环。
- 理解什么叫最小闭环上下文。
- 知道如何筛选相关文件和信息。
终端与文件系统基础
先能看懂自己站在哪个目录、项目有哪些文件，再谈让 AI 在仓库里工作。
- 理解工作目录和相对路径。
- 知道怎样快速定位文件、查看内容和确认当前环境。
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。
真正高价值的不是某一条命令，而是命令、上下文、审批和验证如何组合起来。
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。
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。
本站负责给你学习主线，官方文档负责给你最新能力边界。两者配合，才不会学完就过时。
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。