教程人工智能大模型Vibe CodingAI Agent【免费下载链接】CS146S_CN动手学CS146S中文版课程包含assignmentsvibe coding工具等本项目将长期持续维护致力于打造中文最好的vibe coding教程。项目地址https://gitcode.com/gh_mirrors/cs/CS146S_CN点击查看免费下载CS146S_CN是斯坦福 CS146S《AI 原生软件开发》课程的中文版资源库覆盖从Prompt 工程到Software Factory的完整路径先学会让 Coding Agent 理解意图再动手构建 MCP Server、Agent Skills最终演进到后台 Agent 集群、LLM Gateway与模型路由的团队级实践。这篇路线图带你按周拆解课程帮你用最低成本走通 AI 原生开发。️ 路线图总览三个阶段、十个主题大语言模型LLM正在把软件开发从人写代码变成人与 Agent 协作。CS146S_CN 把这条演进路线拆成三个阶段阶段核心能力对应内容① Prompt 工程师提示词技巧、工具调用、RAG、反思修正Fall 2025 第 1 周② Agent 构建者自建 Coding Agent、MCP Server、Skills、自定义仓库Fall 2025 第 2~5 周 Fall 2026 第 1~3 周③ Software Factory 管理者后台 Agent、Issue-to-PR 流水线、LLM Gateway、模型路由Fall 2026 第 8~10 周课程大纲详细表格见 README.md先决条件为相当于 CS111 级别的编程基础。 阶段一Prompt 基础——6 种提示技巧一次练会入门 vibe coding 的第一课不是多写代码而是精确表达意图。Fall 2025 第 1 周作业提供了一组可运行的提示词练习场一次覆盖 6 种主流技巧K-shot Prompting少样本提示用示例教模型规律见 k_shot_prompting.pyChain of Thought思维链把难题拆成小步骤逐步推理见 chain_of_thought.pyTool Calling工具调用让模型输出可解析的 JSON 调用外部工具见 tool_calling.pySelf-Consistency自洽投票多次生成后多数投票降低随机错误见 self_consistency_prompting.pyRAG检索增强生成先检索相关 API 文档再交给模型见 rag.pyReflexion反思修正运行测试→把失败信息喂回模型→自动修正见 reflexion.py 完整说明在 week1/README.md配套课件 week01-0926-effective-prompting.pptx。 新手建议先跑通reflexion.py——生成→测试→反思的循环正是后面所有 Agent 工作的底层模式。️ 阶段二从 Prompt 到 Agent——亲手构建你的开发系统第 1 步200 行代码看懂 Coding Agent 原理Fall 2026 第 1 周的作业让你拦截并解剖一个真实 Claude Code 会话的 HTTP 请求从 system prompt、工具 schema 到模型响应的完整链路一目了然作业说明见 week1/assignment.md。Fall 2025 第 2 周则用约 200 行 Python 从零实现一个 Coding Agent配套完整示例代码week02-0929-completed-exercise.pyweek02-1003-completed-exercise.py第 2 步构建你的第一个 MCP ServerMCPModel Context Protocol是让 Agent 使用外部工具的通用协议。Fall 2025 第 3 周要求你封装一个真实外部 API天气、GitHub、日历均可公开至少 2 个工具并处理超时、速率限制等容错作业要求见 week3/assignment.md。Fall 2026 更进一步用 FastMCP 实现带OAuth 授权流程的 MCP Server评分重点是agent ergonomics——模型能否选对工具、正确调用、失败后自行恢复见 week2/assignment.md。第 3 步用 Agent Skills 固化你的工作流Skill 就是把每次都要粘贴到聊天框里的检查清单写成可复用的SKILL.md 脚本。Fall 2026 第 3 周会让你为一个真实开源仓库编写一个 Skill并验证它在该触发时可靠触发见 week3/assignment.md。第 4 步让仓库Agent 就绪这是新手最容易忽略、却最影响 Agent 效果的一环。以 Fall 2025 第 4 周为例作业仓库中内置了完整的 Agent 友好结构值得逐文件研读文件作用CLAUDE.md仓库级开发规则Agent 每次会话自动读取pre-commit-config.yaml提交前自动格式化 lint给 Agent 加护栏docs/TASKS.md任务清单帮助 Agent 理解项目当前进度Makefile统一make test/make run命令Agent 不用猜docs/API.mdAPI 契约文档减少 Agent 幻觉Fall 2026 第 4 周专门讲CLAUDE.md 与 AGENTS.md 各写什么、如何用Hooks配置 lint gate 与测试门禁以及 planner / implementer / reviewer 三种Subagent 模式第 5 周还会教如何做仓库的Agent 就绪度评分与审计。☁️ 阶段三Software Factory——后台 Agent、LLM Gateway 与模型路由当 Agent 从个人工具升级为团队基础设施Fall 2026 的第 8~10 周给出了三块拼图后台 Agent第 8 周异步委派的开发流水线异步、云端委派的 Agent任务丢给后台人不用盯着终端并行 Agent 集群管理多个 Agent 同时处理不同 IssueIssue-to-PR 流水线通过 Slack、Linear、GitHub 事件触发器自动开 PRLLM Gateway 与模型路由第 9 周大型团队不会让每个 Agent 直连各家的模型 API而是通过统一的LLM gatewayMCP 门户集中化、带权限的工具访问入口模型路由简单任务路由给便宜快速的模型复杂任务交给旗舰模型成本优化组织级的用量监控与预算控制Software Factory第 10 周自我改进的软件系统终点站是可自行运行、自我改进的软件系统部署后由 Agent 持续监控、修复、迭代人从写代码转型为定义规格 验收。 快速上手3 步开始学习1. 克隆仓库git clone https://gitcode.com/gh_mirrors/cs/CS146S_CN2. 准备 Python 环境以 Fall 2026 作业为例需 Python 3.12conda create -n cs146s python3.12 -y conda activate cs146s poetry install --no-interaction环境说明见 2026 fall 作业 README依赖清单在 pyproject.toml。Fall 2025 的作业依赖见 2025 fall/pyproject.toml。3. 按周推进练习新手从 week1/README.md 的提示词练习场开始想完整体验一个Agent 就绪项目直接跑第 4 周进入 _assignments/2025 fall/week4 后执行make run再跟着 CLAUDE.md 里的规则使用你的 Coding Agent挑战多技术栈端到端构建看 week8/assignment.md 总结一张图记住学习路线你现在是目标去看这里会写 Prompt会构建 AgentFall 2025 第 1~3 周作业会用 Cursor/Claude Code会定制 Agent 环境week4/CLAUDE.md Fall 2026 第 3~5 周独立开发者团队级 AI 工作流Fall 2026 第 8~10 周后台 Agent / LLM Gateway / 模型路由vibe coding 不是让 AI 替你写代码而是学会管理一群会写代码的 Agent。从一条 Prompt 到一座 Software FactoryCS146S_CN 把每一步的课件、作业和参考答案都备齐了——现在就开始第 1 周的练习场吧赞分享教程人工智能大模型Vibe CodingAI Agent【免费下载链接】CS146S_CN动手学CS146S中文版课程包含assignmentsvibe coding工具等本项目将长期持续维护致力于打造中文最好的vibe coding教程。项目地址https://gitcode.com/gh_mirrors/cs/CS146S_CN点击查看免费下载相关推荐TaskingAI未来路线图AI原生应用开发平台的终极发展指南TaskingAI未来路线图AI原生应用开发平台的终极发展指南 TaskingAI是一个开源的AI原生应用开发平台专注于LLM智能体开发与部署提供统一的A人工智能大模型AI AgentRAG后端前端5-Day LLM Foundations Roadmap从 LLM 基础到可评估 AI Agent 的生成式 AI 学习路线图5 Day LLM Foundations Roadmap从 LLM 基础到可评估 AI Agent 的生成式 AI 学习路线图 本文基于 awesome g文档教程人工智能大模型从 CHANGELOG 读 ClawRouterAgent 原生 LLM 路由器的支付、路由与可靠性演进从 CHANGELOG 读 ClawRouterAgent 原生 LLM 路由器的支付、路由与可靠性演进 导读 CHANGELOG.md https://li创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考