🚀 装备升级：从“码农”进化为“超级开发者”¶

从 Coding 到 Commanding

在过去，程序员的核心能力是记忆语法和 API；在 AI 时代，程序员的核心能力变成了 定义问题 和 审查代码。

本课程不教你如何被 AI 取代，而是教你如何驾驭 AI。我们将组建一支由 “对话型军师”（如 DeepSeek）和 “沉浸式副驾”（如通义灵码）构成的研发战队，助你实现 10x 效率提升。

🤖 我们的 AI 工具箱¶

工欲善其事，必先利其器。本节将介绍主流的 AI 编程辅助工具，并明确本课程的推荐组合。我们将这些工具分为两类：“对话型军师”（负责出谋划策）和 “沉浸式副驾”（负责落地执行）。

1. 对话型军师 (Web/App 端)¶

核心场景：架构设计、需求拆解、复杂原理讲解、报错排查。

DeepSeek (深度求索)：[⭐️ 课程核心推荐]
- 特点：国产之光，开源模型中的“逻辑怪兽”。它的代码生成能力和深度逻辑推理能力极强。
- 课程应用：我们将使用它来完成复杂的业务逻辑拆解，以及后续课程中的 MCP (模型上下文协议) 和 Tool Calling (工具调用) 实战环节。
Kimi (月之暗面)：[文档阅读神器]
- 特点：拥有超长上下文窗口（支持 20万+ 字）。
- 课程应用：非常适合用来阅读长篇技术文档（如 Spring Boot 官方文档）、分析超长的错误日志堆栈，或者总结 lengthy 的论文和资料。
豆包 (Doubao)：[前端与创意助手]
- 特点：字节跳动出品，响应速度快，语气亲切。
- 课程应用：在前端页面设计（Vue/HTML/CSS）方面表现出色，同时也非常擅长生成 UI 设计思路和测试数据。
通义千问 (Qwen)：[全能型选手]
- 特点：阿里巴巴的大模型基座，综合能力均衡。
- 课程应用：它是“通义灵码”背后的智慧大脑。如果你需要查询与阿里云生态（如 ECS、OSS）相关的知识，它的回答最为精准。

2. 沉浸式副驾 (IDE/编辑器端)¶

核心场景：实时代码生成、单元测试编写、Git 提交信息生成、行间补全。

通义灵码 (Tongyi Lingma)：[✅ IDEA 必装插件]
- 特点：阿里出品，免费且强大。与我们课程使用的 Dragonwell JDK 同源，对 Java/Spring Boot 生态理解极深。
- 核心功能：实时续写代码、一键生成 JUnit 单元测试、解释复杂代码段、自动生成规范的 Git Commit Message。在IDEA中安装通义灵码插件如下图：
Cursor：[行业标杆]
- 特点：当前地表最强的 AI 原生编辑器（基于 VS Code 修改）。它具备强大的 Composer 功能，可以跨文件理解整个项目，实现“一句话修改整个模块”。
- 注意：虽然强大，但部分高级功能需付费，且对国内网络环境要求较高。
Trae：[国产新星]
- 特点：字节跳动推出的 AI 原生编辑器（类似 Cursor 的国产版）。
- 优势：目前处于推广期（免费/Beta），国内网络连接流畅，适合想体验“全自动编程”但又不想折腾网络的同学。
Claude Code：[极客/高阶]
- 特点：Anthropic 推出的命令行（CLI）Agent 工具。
- 定位：它不仅仅是补全代码，而是能自主执行任务（如“帮我修复所有编译错误并运行测试”）。适合习惯使用终端的高阶开发者。
Qoder：[AI 智能体编码平台]
- 特点：阿里巴巴推出的下一代 Agentic Coding 平台/AI IDE，不仅是代码补全工具，而是能理解整个项目代码库并根据自然语言描述委托执行开发任务。
- 核心功能：
  - 项目级上下文理解：深度分析项目架构与依赖，支持跨文件智能编辑与建议。
  - 任务模式（Quest Mode）：通过自然语言描述需求，让 AI 自动规划与完成多步开发任务。
  - 自动 Wiki/文档生成：根据代码库生成结构化项目知识文档。
  - 双模式 AI Chat（Ask/Agent）：既可即时回答编码问题，也可自主执行代码修复与开发工作。
- 适合：追求高效开发与复杂任务自动化的开发者，尤其在真实大型项目中比传统补全工具更具优势。

📊 选型建议¶

场景	推荐工具组合	理由
日常 Java 开发	IDEA + 通义灵码	课程标准环境，最稳定，零成本。
解决复杂报错	DeepSeek + Kimi	DeepSeek 分析原因，Kimi 阅读长日志。
前端/全栈开发	Trae / Cursor	编辑器更轻量，适合写 Vue/React。

🗣️ 核心技能：Prompt 提问的艺术¶

AI 不是算命先生，它不会读心术。AI 输出的代码质量，100% 取决于你输入的 Prompt (提示词) 质量。

要想让 AI 成为你的“神队友”，请背熟这个 万能提问公式 (CRTC 模型)：

✨ 高质量 Prompt 四要素

🎭 Role (角色)：给 AI 一个身份（如：资深架构师、Java 专家）。
🌍 Context (背景)：交代项目环境（如：Spring Boot 3 + openGauss）。
📝 Task (任务)：明确你要做什么（如：写一个登录接口）。
🚧 Constraint (约束)：具体的限制条件（如：代码风格、加密方式、返回格式）。

🆚 案例对比：从“小白”到“专家”¶

❌ 错误的提问 (小白模式)✅ 正确的提问 (专家模式)

用户输入： “帮我写个登录。”

🤖 AI 的内心崩溃独白 (点击展开)

“大佬，你是用 Java、Python 还是 Node.js？”
“是写个控制台打印 Hello，还是连数据库？”
“密码要不要加密？要不要生成 Token？”
结果：AI 只能给你生成一段最简单的、无法在生产环境使用的废代码。

用户输入：

# 🎭 角色
你是一个拥有 10 年经验的 Java Spring Boot 开发专家。

# 🌍 背景
我正在开发一个基于 JDK 17 + Spring Boot 3.x 的后端系统，ORM 框架使用的是 MyBatis，数据库是信创环境的 openGauss。

# 📝 任务
请帮我设计并实现一个“用户登录”接口。

# 🚧 约束条件
1. 遵循 RESTful API 设计规范。
2. 密码存储必须使用 MD5 + Salt (盐) 进行加密比对。
3. 数据库表名为 `sys_user`，字段包含 `username`, `password`, `salt`。
4. 统一返回结果请封装在 `Result<T>` 泛型类中。
5. 请只提供 Controller 层和 Service 层的核心逻辑代码。

🎉 预期效果

AI 会精准地生成适配 openGauss 语法、符合 Spring Boot 3 新特性、且包含安全加密逻辑的生产级代码。

🛠️ 实战锦囊：三大高频场景¶

在接下来的开发中，请尝试直接使用以下模板：

场景 1：代码解释 (Explain)¶

痛点：接手别人的代码或者看源码看不懂。

📋 提问模板：

"我是一名 Java 初学者，请像老师教学生一样，逐行解释 下面这段代码的逻辑。如果是复杂的语法糖，请单独拆解说明。"

场景 2：生成单测与数据 (Generate)¶

痛点：写单元测试太枯燥，或者数据库没数据测试。

📋 提问模板：

"请为当前的 UserService 类生成 JUnit 5 单元测试，需要覆盖：1. 登录成功；2. 密码错误；3. 用户不存在这三种情况。请使用 Mockito 模拟 Mapper 调用。"

"请生成 10 条 sys_user 表的 SQL 插入语句（适配 openGauss），用户名要有规律，密码统一为 '123456' 的 MD5 值。"

场景 3：辅助 Debug (Fix)¶

痛点：控制台报红，却看不出哪里空指针了。

📋 提问模板：

"我遇到了这个异常（粘贴异常堆栈），这是我对应的业务代码（粘贴代码）。请分析可能的原因，并给出 3 种可能的修复方案。"

💡 进阶技巧：学会“追问”

AI 很少能一次性给出 100% 完美的代码。

如果代码报错了，把报错贴给它：“你生成的代码报错了，错误信息是...，请修正。”
如果不想用 MD5 了，告诉它：“请把加密方式改为 BCrypt。”
多轮对话，才是 AI 编程的精髓。

📝 作业考核点

记得保存你与 AI 的精彩对话截图！这是期末平时成绩中 “AI 应用实验报告” 的重要素材。

⚠️ 警示：做驾驶员，而不是乘客¶

AI 很强，但它也会一本正经地胡说八道（幻觉）。

使用的底线

不可直接复制粘贴：AI 生成的代码必须经由你阅读、理解并测试通过后，才能提交到 Git。
拒绝思维懒惰：AI 只是副驾 (Co-pilot)，你才是主驾 (Pilot)。系统的业务逻辑、安全性与架构设计，必须由你掌控。
隐私保护：不要将真实的服务器密码、私钥等敏感信息发送给公有云 AI。

🧪 准备好开始实验了吗？¶

现在你已经了解了工具和方法，接下来让我们在 实验 1 中亲手配置它们，并完成你的第一次 AI 辅助编程体验。

进入实验 1：Web环境与AI助手配置 >>