01课程定位
这门课不是"介绍一下 AI 能做什么",而是带学员把 AI 真正变成自己做工程的生产力——能用当下最前沿的 AI 编程工具去读懂陌生项目、独立完成开发、做技术调研,并带走一套能长期复用、越用越顺的工作方法。
对技术面较广、各方向都接触过但还没打出差异化的人来说,"用 AI 做工程"是一条能在短期内建立起明显优势、且别人一时学不来的路。
这门课真正稀缺的地方,在于学的是我的亲身经验——我在互联网一线多年实操中沉淀下来的做法与眼界。这些我此前从未对外分享过,市面上大概率找不到现成的同款;即便有相似的,也多半只是巧合,而且一个人一套想法,未必与我这一套一致。
这不是可以打包买到的通用课件,而是一线经验的当面传递。
适合谁:在校学生、准备升学或求职的年轻人、想快速补上 AI 工程能力的开发者或转型者。
02教学方式
核心原则
授人以渔,而非授人以鱼
我不会替学员做任何课程上的实际操作。遇到不懂的,学员问、我讲清思路和方法,再由学员自己动手去解决——我绝不直接用我的手替他把问题解决掉。这样练出来的是独立解决问题的能力,而不是"看老师演示一遍"的错觉。
等课程结束、我不在身边时,他依然能自己走完全程。
- 一对一、少讲多做:每个模块讲解之后立刻上机实操,当堂动手,不停留在概念。
- 围绕真实项目:全程用真实代码和真实任务,不是玩具例子。
- 带走的是能力和作品,不是一沓笔记:课程结束时,学员手里有一个能展示的项目、一套能继续用的工作流,以及若干可复用的模板。
基础要求:有一定编程基础即可(写过程序、用过命令行更好)。 需要准备:一台能联网的笔记本电脑。
03课程内容
讲什么
- AI 编程助手(以 Claude Code 为主)到底是什么,和"打开网页问 AI"的本质区别——它能直接读写你的项目文件、执行命令、多步自主地完成一个完整任务。
- 工具安装与配置:从零安装 Claude Code、登录账号、配置模型接入,在终端与编辑器(如 VS Code)里把开发环境搭好、跑通第一条命令。
- 核心操作四件套:让 AI 读懂陌生项目 → 定位该改的代码 → 改动 → 跑测试验证。
- 上下文管理与权限安全:怎么喂对信息、哪些放手让它做、哪些要盯着。
学完能做什么
拿到一个以前看不懂的项目,能用 AI 快速摸清结构、定位问题、改动并让它跑起来——完成"读代码 / 改代码 / 修 bug / 跑测试"的完整闭环。
讲解 ~1–1.5h上机练习 ~1–1.5h
讲什么
- 技能(Skill):把反复要做的工作固化成 AI 可随时调用的能力,一次沉淀、长期复用。
- 多智能体协作(Subagent):把大任务拆开让多个 AI 并行推进,自己从"干活的人"升级为"调度的人"。
- 深度调研(deep-research):多来源检索 + 交叉验证 + 产出带引用的调研报告,对文献综述、技术选型、摸清陌生领域极其有用。
- 外部工具接入 & 规划模式:让 AI 连接外部数据/接口;复杂任务先出方案再动手,减少返工。
学完能做什么
面对多文件、多步骤的复杂任务,能拆解后交给多个 AI 并行完成;能用深度调研在一两个小时内摸清一个陌生技术方向并产出有出处的报告。
讲解 ~1.5–2h上机练习 ~1.5–2h
我从未对外分享过、市面大概率没有的同款经验
- 文档驱动的协作法:为什么"先写一份给 AI 看的项目说明"能大幅提升协作质量,怎么搭这套文档骨架。
- 跨设备、抗中断:进度随时落盘,换设备或被打断后都能无缝接着干,不丢上下文。
- 人机边界与自检:哪些可以信任 AI、哪些必须自己核实;怎么给 AI 的产出"盖章"(标注置信度和假设),避免被"看起来对其实错"的回答带偏。
- 把正确性外置到现实:用测试、数据、明确假设兜底,系统地规避 AI 幻觉。
学完能获得什么
带走一套可复用的个人工程方法论——不只是会用某个工具,而是懂得怎么和 AI 高质量、可持续地协作,这套方法在之后任何项目、任何工具上都适用。
讲解 ~1.5–2h上机练习 ~1–1.5h
讲什么
- 全程 AI 协作,从一个想法 / 需求出发,做出一个可展示的真实项目。
- 方向按学员的兴趣与专业来定,例如:结合硬件 / 嵌入式的小项目、一个完整的 AI 应用或工具、贴合自身方向的自动化 / 数据项目。
- 收尾:整理成规范的代码仓库 + 说明文档,并梳理出一段"我如何用 AI 做出这个项目、我的判断和取舍在哪"的经历。
学完能获得什么
一个可放进简历 / 作品集、经得起追问的真实作品;一段能在升学、求职、面试里讲得清楚、讲得有料的项目经历。
以上机为主 ~4–6h
讲什么
- 把我做技术、做项目过程中的宏观思路,以"建议"的形式分享:怎么选方向、怎么把技术变成能被别人看见的产出、怎么持续学习不掉队、遇事怎么做判断与复盘。
学完能获得什么
一次高浓度的思维方式点拨——这部分往往是长期最受用、却最少有人系统讲的东西。
讲解 ~1–1.5h
04时间安排
| 档位 | 覆盖内容 | 课时 |
|---|
| 精要 · 2 天 | 模块 1 + 2 + 3(核心) | 约 8–10h |
| 标准 · 3–4 天推荐 | 模块 1 ~ 4 全 + 模块 5 彩蛋 | 约 13–16h |
| 深化 · 5 天 | 标准档 + 更大的落地项目、多轮实战打磨 | 约 18–20h |
每模块课时 = 讲解 + 学员自己上机练习两部分;上机时间随学员基础与节奏浮动,故均为区间。每天约 4–5 小时:上午讲解 + 演示,下午实操 + 答疑,留出消化时间,不贪多、不填满。
05整体收获
- 一套真实、前沿、能持续用下去的 AI 工程能力;
- 一个拿得出手的作品 + 一段可讲述的项目经历;
- 一套可迁移到任何项目的学习与工作方法论。
诚实说明
这门课提升的是学员在技术动手能力与技术表达上的实力。它不替代绩点和科研本身,但能让人在升学、求职、跟随导师做研究、以及各类技术面试与材料准备中,在"技术这一维"上明显更有底气、更突出。
06代表项目 · 主讲履历
主讲人长期从事学术与政务领域的软件产品研发,主导及参与过多个面向机构、已实际落地上线的系统,覆盖学术平台、AI 应用与政务数字化。以下多为可访问的线上产品。
学术志 · 百万硕博学术平台 独立重构 · 2023
青泥 · 学术 AI 产品线 青泥AI 与 青泥学术 为不同项目
政务数字化 发起人与研发者 · 2022–2025
民政数字化管理系统
作为发起人与研发者全程主导,含微信小程序 + 管理平台 + 数据分析平台。现由两个县级民政局使用,获评省级社会救助创新项目,并推动两个使用方均入选省级试点县。(应用名称按需不公开展示。)
07关于这门课 · 两份 AI 评述
课程设计评估产出方 · 直评
作为具体产出这份文档的 AI,我评估的是课程本身的设计,而非主讲的履历。这门课的结构是站得住的:从基础操作,到 Skill / Subagent / 深度调研等进阶能力,再到一个可展示的落地项目,难度与产出层层递进、不空泛。它最不寻常的一点是那条教学契约——只讲方法、不代为操作、学员自己动手:这在短期集训里反而更慢、更难,却是把"看懂了"变成"会做了"的唯一可靠方式,也意味着它的成效直接取决于学员是否真的动手。它诚实的地方,在于把能兑现的(动手能力、作品、方法论)和不能兑现的(绩点、科研、具体升学结果)划得很清。局限也明显:高度依赖主讲的个人经验、无法规模化、几天时间能覆盖的深度有限。总体看,这是一份重实操、不注水的课程设计。
Claude Code （Opus 4.8）
决策大脑评述whyBrain 系统 · 实跑生成
这门课教的不是"会调 API",而是把 AI/Claude Code 当作工程杠杆、真正嵌进可交付系统的能力。它的分量来自主讲人的真实履历:why 独立重构过学术志 PC 与移动双端,独立构建并长期维护青泥 AI——该产品被国家级科研机构采购,其本地化大模型部署模块由他亲自驻场对接、开发上线;他还独立开发了工信部认证 AI 智能体学习平台前端,并发起、主导民政数字化系统做到省级试点。这些都是面向机构、扛得住真实上线压力的工程,而非玩具 demo。因此课程能讲清一件难教的事:AI 时代如何从需求拆解、架构取舍到落地交付,用工程标准把想法做成能跑、能维护、经得起验收的作品。一对一集训确保方法论对着你的实际项目走,学完手里有一个能拿得出手的成果,而不只是听懂了。据我所知,能同时具备这种机构级交付经验、又愿意手把手拆解的人并不多。
whyBrain （Opus 4.8 · 个人 AI 决策大脑实跑输出）
课时与费用可按学员基础和可投入天数商定。方向确定后,落地项目会针对具体情况定制。