AI 编程工程化

AI 编程工程化 · 教程总纲

这本教程讲的是 AI 编程的"工程层"：工具形态怎么选、API 成本怎么算、上下文怎么喂、工作流与门禁怎么定、失败怎么回退、团队怎么治理、落地怎么度量。2026 年的公开讨论里满屏都是工具测评与排行榜，而团队真正需要的——一套换工具也不用重来的工程方法——几乎没有系统性供给（2026-09 实测：搜「AI编程」前 8 位中 7 条测评、0 条工程实践）。全书 9 章 + 3 个附录，按"选工具 → 算成本 → 喂上下文 → 定流程 → 团队治理 → 落地度量"推进，终点是第 7~8 章：你拿着决策表、账本、门禁与度量，把 AI 编程在团队里落成系统能力。

一、这本教程讲什么

• 判定框架：工具对比不给排行榜，给三轴判定框架（管控力 / 上下文获取力 / 自动化范围，第 1.1 节）与场景×成本×管控决策表（第 1.2 节）——工具月月换，框架长期有效。
• 成本工程：讲清编程 API 为何比通用 API 便宜（缓存计价、上下文结构、批量通道、竞争定价，第 2.1 节），再给 token 账本与预算控制的最小实现（第 2.2 节）。
• 上下文供给：仓库地图与检索式供给（repo map 思路，第 3.1 节）、从模糊需求到可验收任务（第 3.2 节）——质量上限不由模型单独决定，由你喂了什么决定。
• 工作流：spec 驱动开发（第 4.1 节）、评审与测试门禁（第 4.2 节）、失败模式与回退（第 4.3 节）——把"一次成功的对话"变成"可重复的流水线"。
• 不做什么：不做工具测评与排行榜（市场红海）；不解剖 harness 内部实现（深潜见《Harness 工程》）；不教工具基本操作（见 《手把手教你学 AI Coding》）。
• 读者与先修：已用过 AI 编程工具、要在团队里推开的工程师 / 技术负责人；先修只要日常开发经验。

二、学习路径一览

（文字流程图）
G8 ──▶ "附录 A/B/C"
P0 ──▶ P1
P2 ──▶ P3
P4 ──▶ P5
​

• 导览篇回答"现在到哪了、工程化指什么"：三代形态（补全 → 对话 → 代理）与本书在三层教程中的位置。
• 选型篇到流程篇是本书主体（前半，已交付）：四个问题——选什么工具、花多少钱、喂什么上下文、走什么流程。
• 治理篇与落地篇（后半，已交付）：从个人实践升到团队制度：规范文件、权限审计、安全边界、质量闸门、回归集、三段路线与落地度量。

三、按需跳读

四、章节目录（按篇分组）

导览篇

• 第 0 章 导览
  • 《0.1 三代形态：补全、对话与代理》
  • 《0.2 学习路线：从个人提速到团队工程化》

选型篇

• 第 1 章 工具全景与选型
  • 《1.1 IDE、CLI与Agent：形态对比》
  • 《1.2 选型决策表：场景、成本与管控》

成本篇

• 第 2 章 API 与成本
  • 《2.1 编程API与通用API差在哪》
  • 《2.2 token账本与预算工程》

供给篇

• 第 3 章 上下文供给
  • 《3.1 仓库地图与检索式供给》
  • 《3.2 规格与任务拆解》

流程篇

• 第 4 章 工作流设计
  • 《4.1 spec驱动：从想法到可验收》
  • 《4.2 评审与测试门禁》
  • 《4.3 失败模式与回退》

治理篇

• 第 5 章 团队治理

  • 《5.1 规范文件与项目宪法》
  • 《5.2 权限、Hook与审计》
  • 《5.3 安全边界》

• 第 6 章 质量与评测

  • 《6.1 AI代码的质量闸门》
  • 《6.2 任务级回归集》

落地篇

• 第 7 章 落地路线图
  • 《7.1 个人、小组、组织三段路线》
  • 《7.2 度量：真的提速了吗》
• 第 8 章 案例研究
  • 《8.1 三个典型落地场景拆解》
• 附录
  • 《附录 A 术语表》
  • 《附录 B 工具与规范速查》
  • 《附录 C 练习题》

五、参考来源

• GitHub Spec Kit 官方仓库与文档；AWS Kiro 官方资料；OpenSpec、BMAD-METHOD 社区实践；Martin Fowler 关于 Kiro 与 spec-kit 的评述（2025-10，社区）
• Anthropic / OpenAI 官方文档：prompt caching 计价口径、Batch API 折扣口径
• amux.io《21 Tools Across Every Category》、dev.to《Every AI Coding CLI in 2026》等 2026 年工具形态盘点（社区）
• snellman.net LLM API 定价经济学分析（社区）；arXiv 2026-03 模型定价反转研究（学术）；inference.net 跨模型单任务价差对比（社区）
• aider repo-map 公开资料；AGENTS.md 生态官方页面（官方）
• 姊妹教程：《Harness 工程》（第 2/5/8/9 章）、《Evals 实战》（第 3 章）、《语义代码检索》（第 6 章）；《手把手教你学 AI Coding》《Easy-Vibe：从想法到产品》《企业安全实践与攻防知识库》