学习路径
这条路径不按工具多少来分级,而按你能不能完成一次真实交付来分级。每往前走一步,都要留下能检查、能复用的结果。

路径总览
| 阶段 | 你要解决的问题 | 建议先读 |
|---|---|---|
| 00 基础认知 | 先判断项目是什么,别一上来就写代码 | 产品形态、技术栈、对 AI 友好的代码 |
| 01 入门闭环 | 完成第一个低风险任务,并知道怎么验收 | 项目总览 |
| 02 工程实践 | 进入真实仓库,完成可提交的改动 | GitHub 协作基础、对 AI 友好的代码 |
| 03 工作流扩展 | 让 AI 参与验证、文档、发布和排障 | 服务器部署、CI/CD 流水线 |
| 04 团队沉淀 | 把个人经验变成团队规范和案例库 | 案例库、共建指南 |
推荐顺序:
text
产品形态 -> 技术栈 -> GitHub 协作基础 -> AI 友好代码 -> 第一个任务闭环 -> 真实项目交付 -> 部署与 CI/CD -> 团队规范只看懂不算完成。能复用、能验证、能交给别人接着做,才算走完一个阶段。
00 基础认知
目标:先把“要做什么产品、由哪些部分组成、这次交付到哪里”为止说清楚。
你需要掌握:
- 官网、落地页、Web 应用、小程序、移动 App、管理后台、API 服务和自动化工具的区别。
- 不同产品形态对应的用户入口、技术结构、部署方式和验收标准。
- 前端、后端、数据库、存储、部署、CI/CD 等技术栈层次分别解决什么问题。
- 对 AI 友好的代码原则:高内聚、低耦合、单一职责。
- 如何在给 AI 分配任务前说明产品形态、目标用户、核心场景和交付边界。
产出物:
- 一份产品形态判断表。
- 一份项目技术栈说明。
- 一段能放进任务提示词里的项目背景描述。
- 一个清楚的交付边界:本次做什么,暂时不做什么。
01 入门闭环
目标:完成第一个低风险任务,并能说清它为什么算完成。
你需要掌握:
- AI 编程助手的几种用法:命令行、编辑器插件、云端和聊天窗口。
- 如何描述任务背景、目标、约束和验收标准。
- 如何让 AI 先读项目,再动手修改。
- 如何阅读它给出的 diff、测试结果和风险说明。
产出物:
- 一个成功执行的小任务。
- 一份任务提示词模板。
- 一条“修改后必须验证”的习惯。
02 工程实践
目标:让 AI 进入真实仓库,完成一项可以提交、可以验证的改动。
你需要掌握:
- 项目结构识别。
- 依赖安装与本地运行。
- 小步提交与变更说明。
- 测试、构建、lint 和页面检查。
产出物:
- 一个可运行的本地项目。
- 一个通过构建的 commit。
- 一份验证记录。
03 工作流扩展
目标:让 AI 从“修改文件”走到“参与检查、发布和排障”。
你需要掌握:
- Skills 的使用与沉淀。
- MCP 工具接入。
- Playwright 页面验证。
- GitHub Actions 排障。
- 文档站、PPT、流程图等交付物生成。
产出物:
- 一个团队可复用的任务流程。
- 一个自动化检查或发布流程。
- 一个可复现案例。
04 团队沉淀
目标:把个人记得住的做法,变成团队都能照着执行的规则。
你需要掌握:
AGENTS.md项目规则。- 权限、沙盒与审批策略。
- 代码 review 与验收清单。
- 失败案例复盘。
- 团队贡献规范。
产出物:
- 团队 Playbook。
- 案例库。
- CI/CD 发布规范。