💻AI 编程实战
用 AI 写代码、做审查与测试，把握 Agentic、Vibe 与 MCP 新范式。
共 68 篇教程 · 6 个主题
代码生成与补全
11 篇 代码补全：上下文感知生成 代码补全借助语言模型读取光标前后的上下文，预测并生成接下来最可能的若干 token。本文讲清它的原理、配置方式与注意点。 代码搜索：语义定位 代码搜索从关键词匹配走向语义理解，本文讲清语义检索、工具选型与在大仓库中的落地。 文档生成：代码即文档 文档生成从源码的函数签名、类型标注与注释抽取信息，自动产出 API 文档、README 与使用示例。本文讲清做法与防漂移要点。 AI 代码补全：从行内建议到整函数生成 讲清 AI 代码补全的玩法（行内/整块/跨文件）、代表工具与高效使用方式。 AI 代码理解：让模型读懂并讲解陌生代码 讲解如何用 AI 快速理解陌生代码库：生成架构概览、逐函数解释、画调用关系与补文档，并给出可落地的提示词与工作流。 AI 代码搜索与理解：在大型代码库里精准定位 用自然语言在代码库中检索与解释，提升阅读与维护效率（如 Sourcegraph Cody、Cursor、GitHub Copilot）。 AI 辅助数据分析：让模型写 Notebook 与查数据 讲解如何用 AI 在 Jupyter/Colab 等环境中生成分析代码、解释结果与排查错误，并给出数据科学工作流与避坑要点。 AI 生成代码文档：让模型写注释与说明 文档常是工程里最易被忽略的部分。把代码与上下文交给 AI，可快速产出函数注释、README 与架构说明，但终稿仍需人来把关准确性。 AI 生成技术文档与 API 文档：从代码到可读文档 讲解用 AI 从代码生成函数注释、README 与 API 参考的范式与工具，并强调对照真实代码校验、避免编造 API 的要点。 AI 文档生成：从代码到说明 AI 能依据函数签名、实现与注释自动生成 API 文档、README 与说明文字，降低文档滞后。本文讲清文档类型、生成方式，以及保持文档与代码同步的挑战。 IDE 插件：编辑器内 AI IDE 插件把 AI 能力嵌入编辑器，本文讲清补全、聊天与命令模式，以及配置与隐私要点。
测试与质量
10 篇 测试覆盖率：补盲区 测试覆盖率衡量代码被测试覆盖的比例，AI 辅助补用例与盲区，本文讲清指标、用法与误区。 单元测试生成：覆盖边界 单元测试生成借助代码模型读懂函数意图，自动补齐边界条件与异常分支的用例。本文讲清它的原理、用法与必须人工核对的要点。 用 AI 做代码审查与测试 用 AI 做代码审查与测试：PR 审查、自动单测、mutation 思维与 CI 集成。 AI 单元测试生成：自动补用例 AI 能根据函数签名与实现自动生成单元测试，覆盖边界与异常路径，省下大量样板劳动。本文讲清输入输出形态、提升覆盖率的方法，以及必须人工校验的局限。 AI 辅助 API 测试：自动生成与维护接口用例 用 AI 根据接口定义生成测试用例、断言与 Mock，配合 Postman/Apifox 提升效率。 AI 辅助单元测试深入：覆盖率、Mock 与性质测试 讲解如何用 AI 生成高覆盖率的单元测试，构造 Mock 桩、边界用例与 Hypothesis 性质测试，并安全地纳入 CI。 AI 辅助单元测试生成：提升覆盖率的实践 「借助 AI 快速生成单元测试能显著提升覆盖率，但边界与异常用例仍需人工把关与审查。」 AI 辅助单元测试与测试生成 讲解如何用 AI 高效生成与补全单元测试：覆盖率驱动的生成策略、Mock/Stub 自动构造、测试边界与异常路径发现，以及把 AI 测试纳入 CI 的落地实践与局限。 AI 辅助端到端测试：让模型生成并自愈你的 E2E 用例 结合 Playwright/Cypress 与 AI 语义定位、自愈选择器，构建更易维护的端到端测试体系。 Mock 生成：隔离测试 Mock 用假对象替换外部依赖以隔离测试，AI 可生成 Mock 与桩，本文讲清场景、写法与过度 Mock 的坑。
审查与安全
11 篇 安全扫描：漏洞早筛 安全扫描在编码与提交阶段用规则与模型识别常见漏洞，把风险挡在合并之前。本文讲清能力、接入方式与必须配合的人工措施。 类型安全：AI 补类型 类型标注能在运行前发现错误，AI 可辅助补全标注与修复，本文讲清收益、工具链与渐进策略。 依赖管理：升级与安全 依赖管理保障可复现构建与及时打补丁，本文讲清锁文件、自动升级与安全审计要点。 AI 代码安全扫描：提前发现漏洞 AI 代码安全扫描工具借助模型理解代码语义，比传统规则更懂上下文地发现注入、越权与密钥泄露等风险。本文讲清它的能力、局限与落地方式。 AI 代码评审深入：把审查变成可落地的工作流 讲解用 AI 做 Pull Request 评审的维度清单与可落地工作流，涵盖安全/性能/测试分级评论与人工复核门槛，并指出假阳性等陷阱。 AI 代码审查机器人：自动把关每次提交 讲清 AI 代码审查机器人的能力、接入方式与落地注意。 AI 辅助代码安全审计：从 SAST 到 LLM 增强审查 「从 OWASP Top 10 与 CWE Top 25 出发，讲清传统 SAST/DAST 与 LLM 增强审计如何互补，并给出可落地的提示策略与修复示例，帮助开发者用 AI 提升代码安全审计的覆盖与效率」 AI 辅助代码迁移：把旧代码安全搬到新语言 讲解如何用 AI 把代码从一种语言或框架迁移到另一种，涵盖上下文准备、分步迁移、测试验证与回滚策略，并给出可运行的示例工作流。 AI 辅助数据库迁移：把旧表安全搬到新结构 讲解如何用 AI 把数据库从一种 schema 或引擎迁移到另一种，涵盖上下文准备、分步迁移、数据校验与回滚策略，并给出可运行示例。 AI 辅助重构：让模型安全地改结构不改行为 重构要在保持行为不变的前提下改善结构。把完整上下文、明确约束与逐步验证交给 AI，能把重命名、提取函数、降复杂度做得又快又稳。本文讲清工作流与避坑。 AI 重构工具：安全瘦身遗留代码 AI 重构工具能读懂代码库上下文，给出可解释、可撤销的重构建议，帮助安全地削减技术债。本文讲清它们能做什么、如何安全使用与常见陷阱。
调试与运维
19 篇 技术债管理：AI 辅助清理 技术债是短期取巧留下的长期代价。AI 可扫描代码库，标出重复、过时依赖与复杂函数，帮助排定清理优先级。本文讲清做法与注意点。 监控告警：异常检测 监控告警采集指标、日志与链路，在异常出现时通知值班人。AI 借助历史数据学习正常区间，自动检测偏离并减少噪声告警。本文讲清做法与权衡。 数据库迁移：AI 写脚本 数据库迁移用版本化脚本把 schema 从旧结构演进到新结构。AI 可据变更描述写出可回滚的迁移，减少手写 SQL 的疏漏。本文讲清做法与风险。 性能优化：瓶颈定位 性能优化先度量再下手，AI 辅助读火焰图与定位热点，本文讲清 profiling、常见瓶颈与优化顺序。 终端助手：自然语言运维 终端助手把自然语言转成命令并解释输出，本文讲清用法、安全边界与防误操作的要点。 AI 调试助手：定位报错根因 AI 调试助手结合报错栈、代码与日志，快速定位故障根因并给出修复建议，把排错从盲猜变成有方向的排查。本文讲清它的工作方式、能力边界与使用要点。 AI 辅助 CI/CD：流水线里的智能助手 讲清 AI 在 CI/CD 中的落地（生成流水线/分析失败/补测试/审查 PR）。 AI 辅助 DevOps：日志、告警与运维自动化 讲清用 AI 辅助排查日志、解释告警、生成运维脚本与事故复盘。 AI 辅助 Kubernetes：集群运维的智能助手 讲清用 AI 排查 K8s 故障、生成清单、优化资源的实践与边界。 AI 辅助代码性能剖析：用 AI 定位瓶颈、做性能优化 讲解如何用 AI 解读火焰图与 cProfile 剖析数据，定位性能瓶颈并给出可落地的优化方案。 AI 辅助调试：让模型帮你定位与修复 Bug 把完整报错、最小复现和上下文交给 AI，能大幅缩短排错时间。本文讲清 AI 调试的工作流、工具与必须避开的陷阱。 AI 辅助技术债识别与治理 借助 AI 静态嗅探与重构规划，把「代码坏味、重复、复杂函数、测试缺失、依赖陈旧」五类技术债暴露在阳光下并分批还清。 AI 辅助数据库设计：建模与索引建议 讲清用 AI 做表结构建模、范式权衡与索引建议的方式，以及哪些决定必须人来拍板。 AI 辅助数据库与 SQL 优化：让模型读懂执行计划 讲解如何用 AI 结合表结构与 EXPLAIN 执行计划优化慢查询、生成索引建议，并说明模型在真实数据分布上的局限。 AI 写 SQL：自然语言转查询 讲清用 AI 把自然语言转成 SQL 的工作流、准确率提升技巧与必须的人工把关。 Bug 修复：定位与补丁 AI Bug 修复读取报错栈、复现步骤与代码，定位可疑根因并给出补丁。本文讲清流程、示例与避免掩盖症状的关键点。 CI/CD：AI 写流水线 CI/CD 用自动化流水线在每次提交后构建、测试与部署。AI 可根据仓库结构写出工作流配置，降低上手成本。本文讲清写法与安全要点。 SQL 生成：自然语言到查询 SQL 生成把自然语言问题转为可执行的 SQL 查询，帮助快速取数与起草复杂联表语句。本文讲清输入形式、用法与必须核对的要点。 Text-to-SQL 实战：用大模型把自然语言转成查询语句 讲解如何用大模型实现自然语言到 SQL 的转换，涵盖表结构提示、少样本示例、执行校验与主流开源方案，附带可运行的 Python 示例。
架构与部署
9 篇 低代码：AI 加速搭建 低代码平台用可视化与 AI 生成降低开发门槛，本文讲清其定位、适用场景与和手写代码如何配合。 模型服务：API 与批处理 模型服务把训练好的模型暴露为接口或批处理任务，本文讲清在线推理、批处理与高吞吐部署要点。 私有化部署：内网跑模型 私有化部署把模型跑在内网或自有服务器，保障数据与合规，本文讲清适用场景、工具选型与落地要点。 AI 低代码工具：加速内部系统搭建 AI 低代码工具用自然语言与智能补全，把表单、流程和后台系统的搭建门槛压到很低。本文讲清它们的能力形态、适用边界与落地建议。 AI 辅助 API 设计：从契约到文档 用 AI 把「资源建模到文档」的整个 API 设计流程自动化，生成可执行的 OpenAPI 契约、一致的前端 SDK、测试桩与评审清单。 AI 辅助架构设计：从需求到方案草稿 讲清用 AI 辅助系统架构设计的流程、产出物与人工把关点。 API 生成：从描述到接口 API 生成根据自然语言或示例描述产出接口定义、请求体与响应结构，常见输出为 OpenAPI 或具体框架代码。本文讲清用法与补全要点。 Docker 生成：容器化提速 Docker 生成根据项目语言与结构产出 Dockerfile 与构建配置，让应用以一致环境打包运行。本文讲清多阶段构建与镜像安全要点。 LLMOps 与可观测性：把大模型应用送进生产 提示词即代码、评估闭环、链路追踪——LLMOps 是大模型应用生产化的关键。本文讲清可观测性维度与 LangSmith、Langfuse 等工具。
编程范式与入门
8 篇 编程提示工程：让 AI 写出可维护的代码 给 AI 写代码请求，质量取决于你描述的精度。本文讲清注释驱动开发、明确输入输出契约、TDD 提示、报错复现与角色设定等编程提示技巧。 代码库 RAG：语义检索 代码库 RAG 把仓库切分索引后做语义检索，让问答与补全更贴本仓库，本文讲清索引、检索与落地方式。 提示驱动开发：Spec 即代码 提示驱动开发用结构化提示作为规格，驱动 AI 生成与改造代码，本文讲清写法、契约与验收方式。 Agentic 编程：让 AI 自主写代码 Agentic 编程：自主编码循环、Claude Code 与 Codex 用法、护栏与审查要点。 AI 辅助编程入门：从写代码到描述意图 AI 辅助编程入门：从手写代码到描述意图的范式转变、能力边界与最佳实践。 AI 结对：人机协同写码 AI 结对编程让模型在编辑器内补全与解释代码，本文讲清协作模式、提示技巧与质量把关。 MCP 模型上下文协议：用统一标准连接大模型与外部世界 MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 于 2024 年 11 月开源的开放标准，用于以统一协议连接大模型与外部工具和数据源；本文系统讲解其架构、核心原语，并给出基于官方 Python SDK 的最小可运行实战。 Vibe Coding：非程序员也能造软件 Vibe Coding 入门：Karpathy 概念出处、适用场景、安全风险与专业开发者分工。
没有匹配的教程，换个关键词、难度或主题试试。