AI 时代的工程师能力

模块目标

把 AI 从“会生成代码的工具”升级为“能协助理解、规划、验证、调试、对比方案”的工程放大器。

本模块要回答的问题

• 如何把需求拆成机器可执行任务？
• 什么时候该让 AI 读代码，什么时候该自己验证？
• tool calling、memory、workflow 的本质是什么？
• SSE / 流式消息 / 中断恢复如何影响产品与架构设计？
• Agent 前后端和存储该怎么协同？

子主题清单

01. AI 辅助开发

• [ ] AI 辅助开发能力总览
• [ ] 需求拆解为机器可执行任务
• [ ] 让 AI 帮读代码、查调用链、补测试
• [ ] 让 AI 做方案对比，而不是盲写代码
• [ ] 如何验证 AI 输出的正确性

02. Agent 基础能力

• [ ] Prompt / tool calling / memory / workflow 基本概念
• [ ] SSE / 流式消息 / 中断恢复
• [ ] 对话态、任务态、持久态分层

03. 工程化落地

• [ ] Agent 前端 / 后台 / 存储基本架构
• [ ] AI 工作流中的验证与风险控制

推荐复习顺序

1. AI 辅助开发能力
2. Prompt / tools / memory / workflow
3. SSE / 中断恢复 / 对话态设计
4. Agent 前后端整体架构

对应 labs 入口

建议后续优先补：

• labs/node/ai-engineering/
• labs/go/ai-engineering/
• labs/shared/ai-engineering/
• labs/vue/ai-engineering/

备注

这个模块应重点沉淀“如何正确使用 AI”而不是“堆砌 AI 名词”。