登录/注册登录/注册建议直接让 AI 帮你生成 Hooks 配置，比你自己手写方便多了。5、记忆系统Qoder 内置记忆系统，会自动记住你的偏好和项目规则。它的记忆分为两个层级：全局记忆 会在所有项目中生效，比如你的语言偏好、编码风格；项目记忆 只在特定项目里生效，记录这个项目的技术栈、业务规则等信息。比如你之前告诉过它「代码注释用中文写」，后续做同类任务的时候它会自动遵守，越用越懂你。
接下来进入实战环节，我会用自己之前开源的 AI 超级智能体项目 来详细演示如何将老版本的 Spring AI Alibaba 项目升级到 1.0 版本。大家一定要认真看，因为有些变动连官方文档都没有明确指出，是我在升级过程中踩坑摸索出来的宝贵经验。项目指路：https://github.com/liyupi/yu-ai-agent!
大家直接用这个工具，就能少让 AI 走弯路，节省很多 tokens。如果你不想克隆仓库，也可以把它装成一个 Skill，在任何项目里随时调用：npx skills add liyupi/ai-promo-video-maker -g装好之后，在你自己的产品仓库里跟 AI 说一句「给这个项目做一支宣传片」就行。AI 可以直接读你的源码和文档，拿到的素材比去官网扒的还准。不管是 APP、网站、开源项目、课程，甚至是任何你想宣传的东西，都能快速搞出宣传大片。!
不过官方的提示词默认只在当前项目下安装。我把提示词翻译成中文并改为了全局安装的版本，这样所有项目都能用：全局安装 TypeSafe 技能。如果你是 Codex（Claude Code），请执行 `claude plugin marketplace add typesafe-ai/skills`，然后执行 `claude plugin install typesafe@typesafe-ai`。
六个问题问完，AI 就直接输出了一段完整的提示词。在这个技能的开源项目中有完整版的参考提示词。3、复制提示词，生成视频接下来只需要把这段提示词复制出来，丢到任意一个 AI 视频生成工具里就行了。即梦、豆包、MiniMax 等等都可以，只要支持 Seedance 模型或者同级别的视频模型就行。生成之前，有几个注意事项：1. 比例选 16:9，因为是模拟电脑桌面2.
面试官追问：少样本和零样本你在实际项目中怎么选择？什么情况下用少样本？小王：小样本适合想让模型输出贴合我们规范的场景，不想让它输出多余内容，通过示例让模型遵循固定格式要求。点评：这个回答还算全面，但缺乏深度。真正的提示词工程远不止这些基础技巧。第二轮：AI 应用开发关注点面试官：你觉得开发 AI 项目时有哪些注意事项？你会更关注哪些点？小王的回答：1. 业务理解：深入了解业务，抽象成工作流或 Agent2.
比如：/speckit.constitution 禁止使用蓝紫渐变色风格的 UI💡 如果你要做中文项目，最好在制定项目准则时就明确告诉 AI “整个网站使用中文”。AI 更新了项目准则文档：!
最近一周，我的时间线被一个叫 REA 的开源项目刷屏了。起因是 AI 圈的知名博主 Matthew Berman 发了条推文：逆向一切，软件已死。这条推文直接爆了，到处都是「以后什么软件都能被 AI 扒光」的声音。大家也纷纷晒出自己的逆向战绩。
先创建 Cordova 项目，然后在该项目内进行 AI 代码生成。告诉 AI 你要创建一个兼容 Cordova APP 的网站，直接让 AI 生成兼容 APP 的代码。这样做的好处是生成的代码 可以使用 Cordova 插件调用系统原生的能力，比如调用相机进行拍照。2. 在 Cordova 项目外单独用 AI 生成网站项目，AI 不会关心你是否要把项目转为 Cordova APP，然后再把生成好的网站移动到 Cordova 项目中。这样做的好处是生成的网站代码更容易运行，同样 适合你已经有现成网站项目 的场景。
这里要注意，由于 AI 的上下文是有限的，为了能更好地生成完整项目、减少 Bug，建议分个步骤：先生成后端代码，人工校验通过后，再生成前端代码。好，给 AI 输入提示词，先开发后端，确保项目可以正常运行：请你基于最新的产品需求文档和技术架构文档进行开发，优先开发后端，确保项目可以正常运行我们可以使用 TRAE 提供的 Prompt 优化功能来一键优化提示词。!
编写示例 Demo 代码3、减压小能手项目但是官方提供的 Demo 有点过于简单了，我们不妨利用 AI 来做一个《减压小能手》网站项目吧，让用户可以和专门帮人减压的 AI 聊天。这里我选用的 AI 开发工具是 Cursor，直接让 AI 帮我生成符合要求的完整前端 + 后端代码。!
全球治理的协同：- 联合国等国际组织将推动AI伦理全球共识- 跨境数据流动的伦理框架将逐步建立- 重大AI项目的国际伦理审查机制将成型人工智能伦理的发展不仅需要技术专家的参与，更需要哲学家、社会学家、法律专家等各界人士的共同探讨。只有建立多方参与、持续迭代的伦理治理体系，才能确保AI技术真正造福人类社会。
IBM Watson Health和DeepMind Health等项目已经展示了代理型AI在医疗领域的巨大潜力。金融科技应用金融服务是代理型AI的重要应用领域。算法交易系统能够自主分析市场数据，执行高频交易策略。风险管理AI持续监控投资组合风险，自动进行对冲操作。反欺诈系统实时分析交易模式，识别可疑活动并采取预防措施。这些应用不仅提高了金融效率，也增强了系统稳定性。彭博社的AI驱动分析平台和蚂蚁集团的风险控制系统都是金融领域代理型AI的成功案例。智能制造转型工业4.0背景下，代理型AI成为智能工厂的核心。
正如 Pieter 本人 95% 项目失败后总结的：“AI 解决的是代码问题，人类要解决的是需求问题。”也许下一个爆火的项目，就从你的手下诞生。来源：https://mp.weixin.qq.com/s/q_S1n3mjZWUCo4kpoyX2Yg
通过阅读这些项目的源码，可以了解不同 RAG 框架的实现细节和设计思路。建议选择一个与自己目标最契合的项目，深入研究其架构和代码实现，并尝试进行本地部署和测试。
建议想学 AI Agent 开发的朋友们，先把 AI 编程能力培养起来，做出几个项目练练手，等你能独立用 AI 写代码了，再来学 Agent 开发的工程化内容，效果会好很多。
方法 2、设计优先开发这个方法特别适合做大项目。简单来说，就是 不要上来就让 AI 梭哈整个项目。比如传统做法是这样的：帮我做一个包含用户系统、后台管理的完整 SaaS 平台。然后 AI 哗啦哗啦给你生成几十个文件，结果做完后发现页面风格不对，重新返工，浪费 Tokens。!
我的教程更侧重实战、更照顾小白，覆盖了从零基础入门、AI 编程工具实战、经验技巧、项目开发到产品变现的全流程，从零基础到做出第一个作品只要 10 分钟，手把手教你选工具、做项目、搞变现。斯坦福这门课更偏工程体系，它在讲你学会 Vibe Coding 之后，怎么把 AI 融入到完整的软件工程流程中去，怎么管控质量、保障安全。!
日常使用的话，社区的 dsh-desktop 之类的项目体验确实更成熟。不过看官方的架构文档和签名流程，后续大概率会通过 "download.deepseek.com" 正式分发安装包，到时候应该就是双击安装、开箱即用了。!
如果你想让这个技能只在某个项目生效，可以把它放到项目的 ".claude/skills/" 目录下，并且利用 Git 同步给项目组其他成员。!
**如果你还没开始用 AI 编程，或者想系统学习怎么用的更好，可以看看我最新免费开源的 《AI 编程零基础入门教程》，从 0 开始带你用 AI 编程做出项目，包含各种工具用法、实战技巧、编程资源、甚至是产品变现经验全都有。希望能帮你更快地拥抱这个新时代，一起变得更大、更强！!
举个例子，让 AI 为鱼皮在 编程导航 原创的十几套项目教程生成一个学习路线图：请根据下列内容，生成 draw.io 格式的《编程导航原创项目学习路线图》代码：## 以下是项目学习相关内容......然后直接复制 AI 生成的 XML 代码：并粘贴到 draw.io 中，就得到了下面这张图，效果还挺不错的吧！!
然后 AI 先写好复刻计划，列出 17 个要还原的布局和动效，才开始搭建 React 项目。项目跑起来之后，就进入了最磨人的验证环节。AI 会用 ZCode 内置的浏览器打开自己做的网站，截图、录动效视频，再跟原始录屏逐项对比，发现不像的地方就自己修改。比如下面这张图，左边是原始录屏里的下拉菜单，右边是它复刻出来的版本，每个动效都要像这样拿出证据对比。!
不过目前这些特性还不够成熟，Spring AI 也还有很长一段路要走，后续应该也会推出智能体工作流编排框架吧~***就先分享到这里，我全程直播带大家做的 AI 超级智能体新项目今天就完结了，教程中给大家讲解了 Spring AI 几乎所有的特性和高级用法，甚至带大家阅读开源 Manus 项目的源码并且实现了拥有自主规划能力的 AI 智能体，欢迎大家来 编程导航 学习。!
技术挑战与局限性尽管前景广阔，氛围编程在实践中仍面临多项技术挑战：代码质量控制：AI生成的代码可能在性能优化、异常处理等方面存在不足。研究表明，未经人工优化的AI代码平均执行效率比专业开发者编写的代码低15%-30%。系统安全性：由于开发者可能不完全理解生成代码的实现细节，容易忽略潜在的安全漏洞。2023年的一项调查发现，AI生成代码中存在安全缺陷的概率约为人工代码的1.8倍。团队协作障碍：自动生成的代码往往缺乏统一的风格规范和充分注释，增加了团队协作开发的沟通成本。项目管理数据显示，此类项目的知识传递时间比传统项目长约25%。
代码审查改进：现在能跨多个文件统一查看 AI 的所有修改，不用一个个文件跳了，类似 GitHub 的 PR diff 视图。2. 性能大幅提升：LSP（语言服务器）加载更快了，大项目不卡了，特别是 Python 和 TypeScript 项目。3. 提示界面优化：UI 更简洁了，很多手动指定的东西（@Definitions、@Web 这些）都去掉了，AI 现在会自己判断需要什么上下文。4. 智能体框架升级：底层架构优化，所有 AI 模型表现都更好了。5. 云端 Agent 改进：提供 99.9% 的可靠性（一年停机不到 9 小时），启动速度更快。6.
创建 Flow 项目，然后选择 AI 模型。目前有 2 个版本，不同版本的模型效果和价格都不同。- 高质量版 Quality：100 点/视频（约 7 元）- 快速版 Fast：20 点/视频（约 1.4 元）!
它借鉴了被 Meta 以 20 亿美元收购的 Manus AI 的核心工作模式：用 Markdown 文件作为 AI 的外部记忆，解决 AI 上下文丢失的问题。适合多步骤任务、研究任务、跨多次对话的项目开发，让 AI 在复杂项目中也能保持清醒不跑偏。指路：https://github.com/OthmanAdi/planning-with-filesui-ux-pro-max：专业前端设计 Skill，让 AI Agent 具备专业设计师的能力，生成的界面不再是千篇一律的 AI 风格。支持各种主流 AI 编程工具，强烈推荐。
4、Comment 标注精修我先让 AI 给自己的编程导航生成了一张宣传海报，提示词如下：生成一张编程导航（codefather.cn）的宣传海报：深蓝色科技感背景，中央大标题「编程导航」，副标题「从学编程到做项目到找工作，一站搞定」，下方展示三个核心卖点图标（学习路线、实战项目、面试刷题），底部放网址生成之后，点击图片进入编辑模式，点击上方工具栏上的「评论」按钮。!
项目名叫什么 > 就叫 "myvideo"3. 是否使用 TailwindCSS > 用呗4. 是否添加 AI 智能体技能 > 这个一定要加！添加了这个技能之后，你就可以通过 AI 对话的方式，让 AI 帮你用这个库做动画了。安装技能的时候，它会问你装到哪些智能体里、是当前项目安装还是全局安装。我建议直接全局安装，省得以后每个项目都要重新装一遍。注意：你需要确保自己能访问 GitHub，不然可能会报错。
基于项目的协同过滤（Item-based CF）这种方法源于亚马逊的推荐系统创新，其核心思想是"用户会喜欢与他们已喜欢物品相似的物品"。实现过程包括：- 计算项目间的相似度（通常修正余弦相似度效果最佳）- 为目标用户构建项目偏好画像- 推荐与用户已喜欢项目最相似的新项目这种方法在电商平台表现尤为突出，能有效处理用户数量远大于项目数量的情况，计算效率更高。技术演进与优化方向随着推荐系统的发展，协同过滤算法经历了多次重要革新：1. 矩阵分解技术：将高维稀疏的用户-项目矩阵分解为低维稠密的用户特征矩阵和项目特征矩阵，显著提升了预测准确度。
大家好，我是程序员鱼皮，分享个有点儿意思的项目，我用 AI 制作了一个 "互联网数字墓园" ！用于纪念那些曾经辉煌的互联网产品。有这个想法挺突然的，前几天我上网冲浪的时候刷到了人人网，结果发现人人网在 2024 年 12 月就正式停止服务了，心里突然五味杂陈。想想当年还是小学生的我，为了玩开心农场专门注册人人网，每天定闹钟偷菜的日子，那种快乐现在的 00 后、10 后估计都体会不到了吧。
AI智能体（AI Agent）作为人工智能领域的前沿技术，是一种能够自主感知环境、分析信息并执行任务以实现预设目标的智能系统。不同于传统的自动化程序或简单的聊天机器人，AI智能体具备更高级的认知能力，包括学习、推理和适应等特性，使其能够在复杂多变的现实环境中独立运作。这种新型智能实体代表了人工智能技术从被动响应向主动决策的重要演进，正在重塑我们与技术交互的方式。智能体的核心架构与运作机制现代AI智能体的系统架构由多个关键模块组成，这些组件协同工作使其具备完整的智能行为链。大语言模型（LLM）作为系统的"大脑中枢"，负责高级认知功能，包括意图理解、任务规划和工具协调。
教育领域的革新实践高等教育机构正在重构课程体系，将传统讲座转变为"工作坊+项目制"的混合模式。MIT的"微硕士"项目就是一个典型案例，学习者通过完成真实的工程任务来获取学分。K12教育也呈现出新的趋势，如"基于游戏的学习"(Game-based Learning)。这种模式将数学、科学等知识点嵌入到游戏情境中，研究显示它能将学生的知识保持率提高40%。
可解释性人工智能（Explainable AI，简称XAI）是当前人工智能领域最具前沿性和挑战性的研究方向之一。作为人工智能透明化进程的核心技术，XAI致力于解决传统AI系统中普遍存在的"黑箱"问题，让复杂算法的决策过程变得可追溯、可理解和可验证。在AI技术深度融入社会各领域的今天，XAI不仅代表着技术创新的方向，更是确保AI系统符合伦理规范和法律要求的关键保障。XAI技术原理与核心机制可解释性AI的技术实现主要基于两大方法论：内在可解释模型设计和事后解释技术。
之后你有了任何灵感，甚至都不需要掏出电脑，全程通过手机跟 AI 对话，就能创造出可运行的项目。这种感觉，怎么说呢，有点钢铁侠内味儿了。最后看到这里，相信大家已经能感受到，OpenClaw 的上手门槛已经被砸到地板上了。