生成式 AI 基础认知
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。
全站搜索
一处搜索课程、术语、项目和资源
共 73 条内容，当前匹配 73 条。
课程阶段
8 条结果课程
AI 辅助编程心法
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。
稳定开发环境与工作流
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。
Codex CLI 全面实战
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。
AI 驱动的编码实践
这一阶段聚焦四件高频工作：修 bug、加功能、做重构、补测试。目标不是追求一键生成，而是让每种场景都有可重复的协作打法。
全栈应用开发
你会看到 AI 在全栈项目里的正确位置：不是替代架构师，而是加速实现、排查、测试、文档和部署准备。
大型项目与多代理协作
大型应用真正困难的部分，不是写某个函数，而是拆任务、控边界、管回归和组织协作。本阶段专注这些能力。
毕业实战与持续进阶
最后一阶段要求你不只会做课程练习，而是能独立完成一个可发布项目，并知道上线之后如何继续打磨、观察和演进。
正式课程
32 条结果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”。
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。
工具、RAG 与 Agent 的区别
理解模型纯生成、检索增强和工具调用之间的边界，避免把不同能力混在一起。
幻觉、偏差与风险控制
真正可靠的 AI 使用方式，不是避免错误，而是设计能暴露错误的流程。
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。
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。
先 review，再相信
AI 输出不是终稿，而是待审稿。review 是接收结果前的必要动作。
让 AI 成为提速器，而不是技术债放大器
速度必须建立在结构清晰和持续可维护的前提上。
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。
Git 与 GitHub 最小闭环
版本控制不是高级附加项，而是接收 AI 改动时最基本的安全网。
Node、pnpm 与项目脚本
脚本是人和 AI 共用的操作面，越统一，越容易稳定协作。
测试与日志是第一层真相
在定位问题时，测试结果和错误日志通常比“我感觉哪里不对”更重要。
安装、登录与基础会话
先确认身份、目录和会话边界，再开始让 Codex 真正进入工作流。
让 Codex 在仓库里读、改、审查代码
核心不是“自动改代码”，而是让读代码、改代码、review 和验证形成闭环。
子代理、Web 搜索与图像输入
复杂任务不要单代理硬扛，把研究、实现和验证拆开，效率会高很多。
Approval Modes、MCP、skills 与自动化
当 Codex 真正进入工程流时，安全边界和可复用工作流会比单次回答更重要。
Bug 修复任务的最小闭环
真正有效的 bug 修复，不是先问 AI，而是先把问题缩成可复现、可验证的最小范围。
新增功能时如何保持结构清晰
做新功能时先给骨架，再让 AI 填局部实现，能显著降低后期返工。
重构时先守住测试
重构不是追求更漂亮，而是追求行为不变、结构更清晰。
把 AI 用到 review 与文档同步
AI 在 review、风险总结和变更说明上的收益，常常比直接写业务代码更稳定。
前端页面、组件与状态
UI 不是堆组件，而是围绕用户路径组织页面、状态和反馈。
后端接口与数据层
接口和数据边界是全栈项目最不能含糊的部分。
认证、安全与观测性
这些不是上线前才补的增强项，而是设计阶段就该进入边界定义的核心内容。
从本地构建到 Cloudflare 发布
发布的本质是把本地可验证结果稳定地送到线上，而不是点一个按钮。
需求拆解与阶段目标
大项目要从交付结果拆，而不是从代码目录拆。
多子代理任务编排
并发的前提是边界清晰、职责分离，而不是代理数量多。
架构边界与回归面
系统越大，边界和回归面越决定你的速度上限。
技术债、发布节奏与持续演进
高手不是没有技术债，而是知道怎么控制它、记录它、安排它。
毕业项目选题与范围控制
毕业项目最怕做成‘想做的都做一点’，最稳的做法是做小而完整。
发布前最后一公里
真正决定能不能上线的，往往不是功能本身，而是最后那套验证和发布动作。
上线后的监控与迭代
上线只是反馈开始，真正的成长来自你如何处理上线后的信息。
形成你的个人工作流资产
真正的高手，不是每次都重新想一遍，而是把成功经验沉淀成自己的系统。
术语与概念
12 条结果Token
模型处理文本时的最小单位，不是“一个汉字等于一个 token”，也不是固定长度。
上下文窗口
模型当前一次处理能参考的信息范围。
Prompt
你给模型的任务说明，包括目标、约束、上下文与期望输出。
RAG
先检索外部资料，再把检索结果提供给模型生成回答。
Agent
不仅生成文本，还会使用工具、读写上下文、分步执行任务的模型工作流。
Subagent
主代理为了并发推进，把一部分边界清晰的子任务交给独立代理处理。
Approval Modes
AI 在执行命令、写文件或访问外部系统前，需要什么程度的人类批准。
MCP
一种把外部工具、资料源或内部系统接给 AI 使用的协议和工作方式。
Skill
把高频流程、团队规范或固定工作法沉淀成可复用的技能说明。
Diff
代码改动前后的差异视图，是 review 和回归判断的基础。
回归测试
确认新增功能或修复没有破坏已有行为的测试。
CI/CD
持续集成和持续部署的自动化流程。
项目练习
6 条结果AI 辅助编程学习日志
做一个带阶段打卡、术语收藏和练习记录的学习日志站点。
Prompt 实验台与结果库
让用户记录 prompt、上下文、输出和验证结果，形成自己的工作流资产。
团队 Review 控制台
模拟一个团队内的 review、风险登记、发布清单和回归检查工作台。
SaaS 后台 MVP
实现用户、权限、数据列表、基础统计和发布流程的最小 SaaS 后台。
AI 内容采编流水线
做一个从抓取、聚合、审核到发布的内容流水线，重点练自动化与 review。
多代理协作工作台
围绕任务拆分、角色分工、审批节点和结果汇总，做一个多代理协作原型。
Codex 打法
5 条结果资料与文档
10 条结果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。
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。
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。
Recommended
如果你不知道搜什么，先从这几类开始
成熟教程平台通常会同时提供主路径和探索入口。这里给你几个最常用的切入点。
零基础
先搜 `Token`、`Prompt`、`Git`、`Codex`，把最基础的概念和工具串起来。
做项目
先搜 `SaaS`、`项目`、`部署`、`review`，快速找到练手项目和上线相关内容。
练协作
先搜 `subagent`、`approval`、`Diff`、`回归测试`，集中看多代理和验证主线。