AI 编程实战训练营（周末班）
上海 ￥3280.00 ￥1980.00(早鸟价) 01-24~25官方价3280元/位，早鸟价1980元/位，老学员推荐享优惠，团体3人以上报名享团购优惠。
面向软件研发团队，引入 AI 编程能力，并通过真实项目实践，完成从“会用工具”到“稳定产出”的转变。
一、课程背景与目标
背景目标
随着大语言模型与 AI 编程工具（Cursor / GitHub Copilot / Comate / Claude Code / Trea / 灵码 等）的成熟，软件研发的核心能力正在发生结构性变化：
§从「手写代码能力」转向「人机协作设计与评审能力」
§从「代码补全」转向「智能体端到端开发」
§从「个人经验驱动」转向「AI + 方法论驱动」
本课程以 2 天 AI 编程实战训练营 为核心，帮助团队建立统一的方法论与实践基线。
适用对象
§软件工程师 / 架构师
§技术负责人
§对 AI 编程落地有真实诉求的团队
建议前置条件
§具备基础编程经验
§自带项目代码或练习项目
§提前安装指定 AI 编程工具
二、AI 编程实战训练营（2 天）总目标
完成训练后，学员应能够：
§使用 AI 理解、修改、扩展、重构真实项目代码
§在陌生技术栈与未知场景中，借助 AI 推进开发
§掌握简单智能体与深度智能体两种工作模式
§理解 AI 编程的边界、风险与人类介入点
§100% 代码改为由 AI 生成，人类只提供指导
三、AI 辅助编程中的一些核心理念
3.1 大模型编程咒语（特定提示词的用法）（重点）
使用恰当的提示词，提升输出结果，降低交互次数
§以下咒语全部为讲师本人在实际工作中原创（收录于《AI 辅助编程魔法书》）
§以下咒语，会在上述讲课、练习过程中，随时插入做深入讲解。
3.1.1 初级咒语
涉及函数级编码、重构，修改逻辑、修改缺陷、函数拆分。
§鱼骨咒 — 防止 AB 两个缺陷反复出现缺陷
§鲫鱼咒 — 防止大模型的记忆错乱和幻觉
§孟婆咒 — 用新会话消除冗余记忆，降低大型软件的 AI 开销
§模式咒 — 让大语言模型主动使用设计模式
§日志咒：用日志提供调试信息
§编号咒：更清晰定位问题/提升性能
§去重咒：提取重复代码
§紧箍咒 — 重构中防止修改不相关内容
§疗伤咒 — 修复高级 Lint 问题
§迷路咒 — 定期对齐代码基线
3.1.2 高级咒语
涉及方案选择、框架设计、设计模式、代码分析。
§设计咒 — 要求编码之前先设计
§轮子咒：要求选择现成的技术
§多疑咒 — 做出正确决策
§方案咒 — 要求给出某个大型决策分支的备选方案
§分析咒 — 要求对代码进行特定分析
3.1.3 人机互补咒语
涉及人与 AI 的分工协作、各尽所长。
§搜索咒：由 AI 搜索以节省时间
§打扫咒：清理特定的注释/调试日志
§提交咒：要求提交代码，并自动生成注释
§日志咒：用日志代替单步运行
§定点咒：人工提供问题点
§提醒咒：提示人类已经想到的一些“坑”
§劝说咒：解除 AI 幻想
§放弃咒：提示如果棘手则暂时放弃
§线索咒：提供动态视觉线索
§讲解咒：讲解复杂代码
§幻想咒：描述 UI 组件外观
§来源咒：查问信息来源
§开心咒：获得工作好心情
§同步咒：告知 AI 人工操作的行为
3.2 编码数据化
将“写代码”升级为“设计可运行的数据结构”，在 AI 编程与数据安全之间取得平衡。
3.2.1 什么是 / 为何需要 编码数据化
§通过数据文档 / 配置结构描述行为、规则与流程，由统一的引擎或少量核心代码动态解析并运行
§开发环境只提供示例数据，只在生产环境配置完整数据，提供 AI 时代数据安全性的终极保证
3.2.2 四个核心目标
1 降低 AI 编码量：减少重复与易出错代码
2 降低设计复杂度：一次设计，多次复用
3 保护核心数据与算法：避免敏感逻辑暴露给 AI
4 提升系统可扩展性与可维护性：维护数据即可增加功能
3.2.3 典型场景示例
以下示例用于说明“编码数据化”在不同类型客户与不同业务场景中的通用适用性。本章节不追求实现细节，而强调一种可复用的设计思想。
场景一：设备数据采集 通过数据文件对设备端口、通信协议、数据格式、设备地址等进行描述和编码。新增设备时无需编写新代码，只需新增或调整配置，即可完成接入。
场景二：自动文档段落生成 在生成文档不同位置内容时，无需为每个位置设计独立接口，而是通过数据化的提示词模板、字段规则、大模型选择与输出格式配置，由同一套机制动态生成文档内容。
场景三：工具调用（MCP 的底层原理） 当需要调用大量工具或能力时，无需为每个工具实现独立逻辑。只需定义工具接口的输入、输出结构及示例，通过数据化描述即可完成统一调用并获得结果。这正是 MCP（Model / Multi Capability Protocol）一类机制的核心思想。
场景四：动态测试配置 通过数据化方式配置自动化测试的参数、环境与场景组合，使测试策略的变化不依赖代码修改。
场景五：规则管理 将核心业务规则（比如机票结算过程中的多人/联程/儿童/婴儿/打折/兑换券/保险……）从代码中抽离，使用结构化数据进行管理，使业务变化通过配置完成，而非反复修改实现逻辑。
其他场景 其他任何存在大量代码近似、工作重复的代码。
讲师介绍
Martin Chen陈勇
国内首批 AI Native 国际认证讲师（SAI 授权）、资深咨询师、敏捷教练、AdaTech 联合创始人，清华大学电子与通信硕士- 长期从事 AI、敏捷开发、需求分析、设计模式等开发、培训、咨询、培训工作
- AdaTech 联合创始人
- AdaTech 主要从事 AI 相关产品开发
- 核心产品是《SEAI 人工智能需求分析系统》
- 此课题及其产品旨在借助人工智能对需求进行自动化分析、生成和拆分
- 课程所使用的技术，主要提炼于此课题
- 讲授课程
- 《AI-Native Foundations》（SAI 授权，2天）
- 《AI-Native Change Agent》（SAI 授权，3天）
- 《AI原生转型企业级战略》，（面向中高层的AI转型课程，1天）
- 《AI原生转型实战训练营》，（面向企业核心部门负责人，AI转型的规划、跟踪与风险管理，2天）
- 《人工智能辅助编程 从入门到精通》（2天）
- 《大语言模型应用编程马拉松：全景实战训练营》（2天）
- 《大语言模型应用编程马拉松：全景实战训练营（AI 辅助编程增强班）》（4天可分两期）
- 多个 AI 项目的发起人/主要负责人
- SEAi 需求分析系统产品经理 AI 首席科学家 / 架构师
- 某 AI 视觉考试系统（通信类）产品经理
- 某 AI 视觉考试系统（消防类）产品经理
- 某生活健康类小程序 AI 负责人
- 某中医 AI 大模型底座 AI 负责人
- LangStart 开源项目发起人（基于 LangChain 0.3 的开箱即用 LLM 应用代码）
- LLC 开源项目发起人（基于 LangChain 1.0 的官方教学代码增强版 + 开箱即用版）
- 国内首批 AI Native 国际认证 讲师（SAI 授权）
- 清华大学 电子与通信 硕士 | 南京航空航天大学 自动控制 学士
