课程概览
开发者 AI 基础课程
面向开发者工作流的 AI 实用基础：模型、提示词、编程助手、结果验证、隐私与可靠协作。
开发者需要的 AI 基础，不是背模型名，也不是追热点，而是知道如何把 AI 当作一个高效但会犯错的协作者。本课程围绕模型、提示词、编程助手、结果验证、隐私和可靠协作展开。
适合谁学习
本课程适合开发者、技术写作者、独立开发者、技术运营和日常使用开发工具的人。你不需要机器学习背景；这也不是模型训练课程。
你会学到什么
你会学习如何用开发者能落地的语言理解 AI，如何区分模型、聊天机器人和 Agent，如何写更可靠的提示词，如何用 AI 辅助代码和调试，以及如何在采纳结果前进行验证。
你也会形成一个小型操作习惯：先定义任务，只提供必要且安全的上下文，要求可检查的输出，再用证据验证结果，并避免把敏感数据交给不该接收它的系统。
如何使用本课程
如果你刚开始把 AI 放进工作流，建议按顺序阅读。如果你已经高频使用 AI，可以直接重点看提示词、代码调试和结果验证。课程目标不是记住某个工具，而是建立在工具变化后仍然有效的判断力。
每课都包含可以复用的实践模式。阅读时可以打开一份笔记，把示例改写成适合你技术栈、团队规则和验证命令的版本。
学习路径
- 理解开发者工作中的 AI 是什么。
- 区分模型、聊天界面、工具调用和 Agent。
- 用上下文和约束写提示词。
- 用 AI 辅助代码、调试、测试和审查。
- 用证据验证 AI 的回答。
- 保护隐私，并谨慎处理生成内容。
- 把整门课整理成可复用的 AI 工作流检查清单。
练习工作流
可以在学习过程中完成一次小练习：
- 选择一个小型技术任务，例如解释错误、起草测试或总结设计决策。
- 用任务、上下文、约束和期望输出格式写提示词。
- 要求 AI 列出假设和验证步骤。
- 亲自运行或完成建议的检查。
- 如果这个流程有用，保存提示词和验证结果。
关键结论
- 当任务、上下文和验证方式清楚时，AI 最有价值。
- AI 输出应像一个很快但可能出错的协作者提交的草稿一样审查。
- 开发者真正的优势来自示例、测试、文档和明确约束。
- 可靠的 AI 工作流是可重复的：提问、检查、验证、修正。