研发团队刚开始使用 AI 编程
有人用得很快，有人完全不用；质量、风格和安全边界缺少共识。
FIT
这项服务适合谁？
个人用 AI 写代码，和团队用 AI 交付软件，是两件完全不同的事。前者靠技巧，后者靠流程、规范和可复用的工程习惯。
需要从个人技巧升级为团队能力
希望把有效的上下文管理、任务拆解和评审方法固化成流程，而不是依赖少数高手。
对代码安全与合规有要求
需要明确哪些代码可以交给模型、如何处理敏感信息、如何保留审计与人工责任。
OUTCOMES
你会得到什么
不是一堆功能，而是能进入业务、被度量、被接管的结果。
01
一套分角色的能力地图
区分初级、资深、Tech Lead 和测试角色真正需要掌握的用法，而不是一套课所有人听。
02
一套可复用的工作方法
从任务描述、上下文准备、计划、生成、验证到评审，形成稳定的协作节奏。
03
一组团队级护栏
明确敏感信息、依赖引入、测试要求、代码归属和评审责任，降低“看起来能跑”的风险。
04
一批内部种子选手
通过实战辅导和复盘，让团队里出现能带人的 AI 工程实践者。
DELIVERABLES
交付物清单
具体范围会按项目调整，但每一份交付物都有明确的验收方式。
研发团队 AI 使用基线评估
基于真实仓库的实战工作坊
Codex 任务模板与上下文清单
测试、评审与安全使用规范
团队推广计划与指标
结营复盘与后续 office hours
PROCESS
怎么交付
每个阶段都有可检查的产出，避免长时间没有反馈的黑箱项目。
01
基线
了解团队技术栈、交付流程、工具权限和现有使用情况，确定培训重点。
02
训练
用真实任务练习任务拆解、上下文组织、生成验证和代码评审，而不是玩具项目。
03
应用
每个小组选择一个真实需求，在辅导下完成从计划到合并的完整闭环。
04
固化
复盘有效与无效的模式，形成团队规范、模板和内部推广计划。
USE CASES
常见切入点
以下是典型场景，不是固定模板。真正的范围从你的流程开始。
新功能交付
从需求澄清、方案设计到实现与测试，缩短小步交付周期。
遗留系统改造
用 AI 辅助理解旧代码、补测试、做渐进式重构，降低改动风险。
代码评审与质量
让 AI 先做一致性、边界条件和安全问题检查，人负责最终判断。
文档与知识同步
根据代码变更生成设计说明、变更日志和交接文档，减少知识负债。
STACK
工具与技术
工具服务于场景。我们保持技术中立，优先复用客户已有系统。
OpenAI CodexGitHubGitLabVS CodeCursorClaude CodeCI/CD
FAQ
常见问题
还有别的问题？直接发邮件，我们通常在一个工作日内回复。
培训只讲 Codex 吗？
以 Codex 为主线，但方法是工具无关的。我们会结合团队实际使用的 IDE、代码托管和 CI 工具，也会对比其他 AI 编程工具的使用边界。
非研发人员适合参加吗？
核心课程面向研发、测试和技术管理者。产品经理可以选择“如何与 AI 辅助研发协作”的半天的模块。
如何衡量培训效果？
不只看满意度。我们会跟踪实际使用频率、任务周期、评审返工、测试覆盖和参与者完成真实任务的比例，并在结营后复盘。
可以结合我们的代码库吗？
可以。在签署保密协议并配置好权限的前提下，使用脱敏后的真实仓库效果最好；也可以使用客户提供的沙盒仓库。
RELATED
相关能力
这些能力经常和本服务组合使用。