前言：绝大多数AI开发者，都卡在「只会用、不会建」

做AI应用开发、AI Coding落地的这几年，你是不是一直有这种直观感受：明明模型越来越强，但自己写的AI脚本、项目代码，稳定性、复用性、持续性始终上不去？

2023年我们只会写提示词，2024年扎堆做RAG检索，2025年开始尝试封装固定流程。很多AI开发者跟风学遍了所有新技术，但始终陷入「碎片化堆砌」的困境：学了新工具，丢了旧逻辑，代码越写越乱，始终搭建不出一套标准化、可复用的AI Coding工程体系。

基于这一普遍行业痛点，本系列摒弃网上泛滥的碎片化技巧教学，搭建了「总纲认知打底 + 核心理论深耕 + 全量实训落地」的三维教学体系。本文作为整套教程的认知总纲，只负责梳理完整进阶框架、纠正学习误区，为后续深度的原理拆解、工程准则讲解、实战项目落地做好铺垫。

从AI Coding正式落地编程实际应用以来，行业发展并非无序迭代，而是沿着「工具辅助→能力沉淀→系统自治」的清晰脉络，完成标准化进阶演化。结合行业落地进程与技术迭代规律，AI Coding 落地研发场景完整经历了三大核心发展阶段，层层递进、逐步解决传统AI开发的低效、不可复用、无法规模化等核心问题，也对应了本文拆解的五阶能力进化体系：

2023 Prompt工程 → 解决输入不规范、输出随缘的问题

2024 Context工程 → 解决信息缺失、静态固化的问题

2025 Skills工程 → 解决流程零散、无法沉淀的问题

看懂这三层基础逻辑，你就能彻底摆脱「复制粘贴Prompt、临时堆砌工具」的新手阶段，从AI工具使用者进阶为AI能力搭建者。

正如月之暗面联合创始人张宇韬所说，大模型早已跨越能力拐点，现在真正拉开AI项目、编码能力差距的，是你能不能给强大的模型，搭建一套足够优质的运行环境与能力体系

目录

认知篇

• 上篇：AI工程化筑基篇（2023-2025）
• 下篇：AI工程化系统篇（2026全年）

初级篇

• 第1章：别急着写代码
• 第2章：工欲善其事
• 第3章：不写代码，先写“合同”
• 第4章：让 Agent 先写测试
• 第5章：让 Agent 实现代码
• 第6章：把边界和异常“抓”进测试里
• 第7章：在安全网下跳舞
• 第8章：从内存到真实世界
• 第9章：让规格“活”起来
• 第10章：从登录开始吧

中级篇

• 第1章:架构总览与环境筑基础
• 第2章:PRD(产品需求文档)一一从模糊到精确
• 第3章:Spec(技术规格文档)一一量化一切
• 第4章:Development Plan(开发计划)-一原子化拆解
• 第5章:OpenCode执行层一一让双手极致专注
• 6章:评审引擎一一Hermes的三分判定系统
• 第7章:循环控制与智能熔断一一不死的系统
• 第8章:Hermes的记忆系统与技能沉淀
• 第9章:MCP协议与工具生态扩展
• 第10章:项目级配置与多语言适配
• 第11章:完整项目实战一一从零构建一个微服务
• 第12章:CI/CD集成与自动化流水线
• 第13章:团队协作与人工介入最佳实践
• 第14章:性能调优与成本控制
• 附录

系列教程内容会根据实际开发过程变化，请关注。