DELIVERY ROUTE
一条项目交付轨道
编码只是中间一段。课程从业务判断开始，以可验证、可维护的结果结束。
- 01
想清楚
ROI、用户目标与需求边界
CORE 01–06
- 02
写清楚
PRD、原型与技术方案
CORE 07–10
- 03
做出来
脚手架、功能与小步提交
CORE 11
- 04
测得住
验收、单测、API 与 UI
CORE 12 · P06/09/10
- 05
改得动
行为保护与持续重构
CORE 12 · P11
12 篇培训主线
按顺序阅读，完成从价值判断到测试重构的一次完整学习。
01 — 12
- 01
高校学生学 AI Coding，真正要学的不是“让 AI 写代码”
在高校训练营里，我越来越确定：会让 AI 生成一个页面只是起点，真正决定学生能否进入企业交付现场的，是能不能把需求、方案、开发、测试和复盘串成闭环。
- 02
AI 会写代码，但不会替你负责：从 Chatbot 到 Agent
Chatbot 给答案，Agent 尝试完成任务。理解感知、计划、执行和反馈这条循环，才能知道 AI 编程工具为什么强，也知道人的责任边界在哪里。
- 03
把 AI 当成实习生：提示词、上下文与任务拆解
提示词不是咒语，而是一份任务委托。背景、目标、任务、交付和约束写清楚，再把上下文控制在一个主题里，AI 才更容易稳定工作。
- 04
Ask、Plan、Craft 怎么选？AI 编程任务的三种执行方式
Ask 用来理解，Plan 用来降低复杂任务的不确定性，Craft 用来直接完成明确改动。真正重要的不是记住模式名称，而是让任务风险与执行方式匹配。
- 05
企业项目为什么不能一上来就写代码？先说清 ROI 和 MVP
企业立项首先回答值不值得做，而不是页面怎么设计。ROI 决定项目是否启动，MVP 决定第一笔资源花在哪里，两者共同防止 AI 把错误方向做得又快又完整。
- 06
80% 初学者都会跳过的需求分析：业务、页面、功能三层法
初学者常从页面和按钮开始，结果越画越乱。三层需求法先站在用户视角梳理业务目标，再确定页面承载，最后进入正常与异常功能逻辑。
- 07
如何让 AI 稳定生成 PRD：从提示词到 Rule、Skill 和模板
稳定的 PRD 不是靠一句万能提示词，而是把确认过的需求、输出结构、项目规则和重复流程分层管理，让 AI 的随机性被一套可复用方法约束。
- 08
为什么直接把 PRD 丢给 AI，生成的原型通常又丑又残？
PRD 解决需求表达，却没有自动给出技术边界和视觉方向。先规划范围、预选设计风格、按模块生成并自动测试，才能把随机结果变成可评审原型。
- 09
原型不是效果图，而是成本最低的需求沟通工具
原型最重要的价值不是展示漂亮页面，而是把不同人脑中的理解放到同一个可操作对象上，让分歧在开发前出现，让需求通过提问逐步变清楚。
- 10
从原型到生产代码：技术方案必须回答的四个问题
原型证明需求能够被看见，技术方案则说明系统怎样被可靠实现。技术选型、系统架构、部署架构和整体风险，是开发前必须共同确认的四部分。
- 11
不要急着开发功能：先搭一个真正跑得起来的项目骨架
脚手架的意义不是生成目录，而是尽早证明前端、后端、数据库和接口能够真实连通。所有关键路径先跑起来，再逐个增加业务功能，项目风险会小得多。
- 12
AI 写代码越快，越要小步迭代、自动测试和持续重构
AI 会同时加速功能生成和代码腐化。把需求实例化为验收标准，用自动化测试守住行为，再通过职责分离持续重构，开发者才能保持主控。
11 篇实操手册
每篇都包含前置条件、操作步骤、成功标准、常见问题和课后练习。
QUALITY LAB
四步质量工程路径
从纯逻辑到用户行为，再进入服务边界和遗留代码。测试靠近变化点，重构建立在行为证据上。
CodeBuddy 三种模式实操：什么时候问、规划和直接开发
用三个真实任务练习 Ask、Plan 和 Craft：先读懂陌生项目，再规划跨文件功能，最后处理明确的小改动，并用运行结果而不是完成提示验收。
打开教程AI 修改页面的三种方法：选中元素、可视化调整与截图标注
页面修改不必靠猜文件。选中真实元素、直接调整可控样式，或用截图框出问题，再通过浏览器截图检查桌面与移动端，能显著减少误改。
打开教程第一次把 AI 项目部署上线：从本地页面到公网链接
上线不是获得一个链接，而是让远端环境能够从仓库重复构建、正确读取配置，并通过公网完成核心流程。本教程用 Git 部署建立最小上线闭环。
打开教程Git SSH 配置完整指南：让代码推送不再重复输入密码
SSH 的核心是让本机私钥与代码平台上的公钥建立可信身份。生成专用密钥、加入代理、上传公钥、切换远程地址并实测拉取推送，才算配置完成。
打开教程AI 生成的功能报错了，如何用浏览器状态码定位问题
不要把“页面没反应”直接丢给 AI。用浏览器网络面板记录请求、状态码、响应和服务端日志，先判断问题在哪一层，再给 AI 一份可以复现的证据包。
打开教程用 FizzBuzz 学单元测试：验收实例、参数化测试与基础重构
从两条简单规则开始，逐轮加入包含判断和优先级，再用实例化验收、Vitest 参数化测试和职责分离守住纯函数行为，为后续 UI、API 测试与复杂重构打基础。
打开教程如何设计一场 AI Coding 结业项目与答辩
结业项目不该只评页面是否漂亮，而要验证学生能否从问题、需求和方案走到运行、测试与复盘。用阶段证据和统一评分表，才能看到真实交付能力。
打开教程教师如何用项目制课程培养学生的 AI 协作能力
AI Coding 课程不能退化成工具演示。用同一真实案例贯穿价值、需求、原型、开发和质量，再通过对比实验、阶段闸门和复盘，让学生形成判断力。
打开教程Playwright UI 自动化测试实操：只验证关键行为，不测试整个页面
把课堂里的浏览器手工验收固化成可重复命令：用准备、执行、验证组织用例，以用户可见行为选择定位器，并用少量高价值冒烟测试守住主流程。
打开教程API 测试怎么写：状态码、数据隔离与业务逻辑下沉
从注册登录与计算接口出发，区分 HTTP 契约、服务端业务规则和数据持久化，用独立测试数据验证成功、失败、权限与重复提交。
打开教程用镀金玫瑰练习重构：先用测试守住行为，再消灭坏味道
面对嵌套条件、重复规则和含糊命名，不让 AI 一次重写：先建立行为基线，再用小步提交改善结构，并把策略类或工厂视为可选方案而非标准答案。
打开教程KEEP EXPLORING
延伸阅读
站内原有的四篇 AI 编程系列保持独立，适合在完成培训主线后继续深入。