工程师方案
为 5+ 年开发、想把 AI 工程能力变成自己技能栈的人设计。重点是"骨头硬"的部分：架构、上下文、tool use、Agent loop、Compaction，以及把这些用到自己产品的工程实操。
工程师 · Engineer
你已经能写代码，但 AI 这一块到处是新名词。框架太多看不过来，不知道哪些是"真的有用"、哪些是"营销话术"；想把 AI 用到自己产品里，但不知道架构怎么搭、上下文怎么管、工具怎么暴露。最深的恐惧是被 AI 替代——但越焦虑越没动手。这套方案把"AI 工程"拆成你可以一段一段啃下来的技术栈。
推荐组合
课 · 渐进法 · 拆解法 · 刻意练习
渐进课程建立体系——你不喜欢碎片化。拆解方法让你读真实开源项目代码（pi-coding-agent / Claude Code / OpenClaw / Hermes Agent），看大师怎么处理同类问题。刻意练习每天 20 分钟微练，把能力练成肌肉记忆。
课程系列 · 5 课
E · 018 小时 · 含 3 个 lab
LLM 应用工程基础
把"调一次 API"扩展到"造一个能跑、能修、能演进的应用"。这一课打地基。
- 上下文工程：窗口、截断、缓存、压缩的工程取舍
- Tool Use 协议：JSON Schema、参数验证、错误处理
- Agent Loop 的三种范式：单次、多轮、Orchestrator + Worker
- Streaming、并发与速率：花的是什么钱，卡在哪里
E · 0212 小时 · 项目作业
从 0 造一个 Agent
不抄框架，自己拆装。理解每一层为什么存在、删掉会发生什么。
- Tool 协议、context、loop 的最小可运行实现（约 200 行）
- 逐步加层：记忆、状态、可观测性、错误恢复
- 从 demo 到能给别人用：工程化清单
- 作业：开源到 GitHub，提交评审
E · 0310 小时 · 工作流实战
用 Claude Code / pi 重塑你的工作流
让 AI 接管重复劳动，把注意力留给真正难的问题。这是"AI 工程师的日常"。
- Hooks / Skills / Subagents 的工程化用法
- 团队约定如何变成 Agent 能执行的接口
- 把 Bug 修复、code review、PR 描述都自动化
- 个人 settings.json + AGENTS.md 的进阶模板
E · 0415 小时 · 拆解 4 个项目
拆解前沿 Agent 开源项目
挑 4 个真实演进中的 Agent 项目，做带解说的代码考古。读懂大师，再仿写。
- pi-coding-agent：极简内核 + Extension 模型
- OpenClaw / Claude Code：tool loop 与 permission 设计
- Hermes Agent：消息驱动与可观测性
- 每个项目后：仿写一个小变体，提交评审
E · 05综合项目 · 4–8 周
把 Agent 接到你现有项目
毕业作品。选一个你工作中真实场景，把 AI 嵌进去，做到能给同事用。
- 需求拆解：哪些任务适合给 Agent、哪些必须人做
- 权限与边界：写类操作的防护、审计、回滚
- 上线后的观测：成本、错误率、用户反馈循环
- 分享：写一篇博客或做一次内部分享
配套软件 · 这套课要造的工具
① Agent IDE 脚手架
一键配置 Claude Code / pi / opencode 的工程模板。预置 settings.json、hooks、AGENTS.md、skills 目录，开箱即用。
② Tool / Skill 市场
社区共享的自定义工具与 Skills，一键安装到本地。包含 git checkpoint、permission gate、SSH executor 等常用扩展。
③ 代码作业评估器
学员提交 GitHub repo → Agent 自动跑测试、给 diff 建议、按 rubric 打分。教练只看最后报告。
④ 浏览器内 Agent 实验室
不用安装，直接在网页跑 mini Agent。可视化 tool loop 的每一步，理解上下文如何流转。
学完你会有
- 一个完整开源的 Agent 项目（GitHub 上有 star、有人 fork）
- 一套属于自己的 Claude Code / pi 工作流（settings + skills + hooks）
- 一篇被读到的技术文章（拆解 + 自己的总结）
- 对 AI 工程"为什么这样做"的直觉判断力——不会被新名词唬住