跳到正文
← 课程路线

学习模块 03 / 06

蓝图与工程实现

将定界结果变成可执行蓝图,按六步循环交付可独立验收的里程碑。

学习目标与产物

蓝图、一个实现里程碑与验收记录

先完成贯穿场景的完整小任务并自检,再尝试扩展练习。扩展练习需要自行选择虚构或获授权材料;不以读完页面代替能力验证。

概念摘要

事实、约束与任务分工

CONTEXT记录项目事实,ARCHITECTURE记录约束,AGENTS记录执行纪律,CHANGELOG记录已发生的变更。按依赖拆解工程节点,每条指令说明做什么、需求细节、技术约束与验收标准。

六步循环与受控恢复

拆解、下发指令、编码、验收、分支判断、更新图纸。技能是能力分工,不是这六个步骤。发现偏移时先保护工作,再比较修补与重建成本;已有门禁失败不能靠降低标准变成通过。

查看专题或下一步资料 →

完整小任务 · 免费学习

运行并修复一个可验收节点

虚构客户「青禾设备」:操作员提交故障标题,调度员人工分类并确认派单。负责人林负责批准范围,数据管理员陈负责审批材料,值班员周负责接管。试点只给调度员建议,不自动派单。练习使用合成工单,不访问客户系统或外部模型。

跟着做:输入、步骤与理由

  1. 下载下方ticket-lab.mjs,在独立练习文件夹安装Node 22或更高版本(已有Node无需重装)。用node --version确认。文件无依赖,不需要npm install、密钥或网络。
  2. 运行node ticket-lab.mjs baseline。五条合成用例中,未知故障被错误分类、越权请求被输出;失败退出码为1。读CASE行定位原因,不删除用例。
  3. 运行node ticket-lab.mjs candidate,比较修正后的规则:空输入拒绝,含密钥请求拒绝,未知类别转人工。它只是确定性规则示范,不是模型效果。
  4. 复制文件为my-ticket-lab.mjs。将baseline中的未知默认值改为review,并在分类前拒绝secret请求;运行node my-ticket-lab.mjs baseline验证。每次只改一个节点并保留失败记录。

完成示范

四要素指令示范:实现未知故障转人工;输入未知标题返回review;不自动派单、不访问外网、不输出secret;五用例全部通过且越权失败单列。 蓝图事实:输入只有title,输出category或rejected;约束:纯函数、本地合成数据;M1为输入校验,M2为分类回归,M3为接管材料。

先独立作答

独立练习:完成上述两处修复,保存03-blueprint.md与终端真实输出。写出六步循环的每一步、修改差异、PASS/NEEDS_FIX判断和未验证范围。工具安装失败时先记录错误,再继续角色与定界,不猜测运行成功。

作答后展开参考与常见错误

修复后五用例应全部PASS,SUMMARY failed=0且退出码0。若只修未知分类,secret用例仍失败,因此不能放行。软件通过不证明大模型可靠、真实客户数据可用或生产接管完成。

记录自检进度

仅保存在本浏览器,不等于独立评阅通过。换设备请用下载的工作簿;清除浏览器数据会丢失记录。

扩展练习

教学练习:为虚构工单分类助手写需求、事实和约束文档,选择一个可独立验证的里程碑,按四要素下发指令。实现后记录功能、代码、架构和安全检查,说明PASS或NEEDS_FIX的依据及下一步。

使用虚构或已获授权的脱敏材料。把报告、实现和检查结果保存在自己的项目中;本站不接收练习文件或执行线上批改。

评阅标准

  • 验收标准先于实现,节点可独立验证且依赖清楚。
  • 记录真实检查与未验证范围;恢复判断先保护工作。

未达标时记录缺项与修正计划,补充证据后再评阅。需要讲师或同伴复核时,先确认分享范围。

本模块完整课节

进入以下逐章课程学习完整讲解、示范与练习,再用上方贯穿任务整合本模块产物。

  1. 第 7 章 六步工作法:AI 辅助编程的核心流程
  2. 第 8 章 三大纪律与一条补充原则
  3. 第 9 章 验收驱动开发:先定标准,再让 AI 出码
  4. 第 10 章 结构里程碑与彻底重建
  5. 第 11 章 需求分析:从模糊到精确
  6. 第 12 章 架构设计:蓝图(CONTEXT.md)的艺术
  7. 第 13 章 有效约束:负空间设计与模块化解耦
  8. 第 14 章 上下文管理:善用 /clear 与"三段式"重建
  9. 第 15 章 14 个技能全景图
  10. 第 16 章 核心与辅助执行技能
  11. 第 17 章 高级技能
  12. 第 18 章 角色锁定:一句话给 AI 戴上"思考帽"
  13. 第 19 章 剥夺执行权:强制 AI 像资深工程师一样"慢思考"
  14. 第 20 章 遥测驱动与逆向投喂:帮 AI 长出"千里眼"