Đào Tạo Phát Triển Phần Mềm AI
Phần 1 – Nền Tảng Harness Engineering
Bạn sẽ học:
- Tại sao trông chừng một trình soạn thảo AI không mở rộng được
- Harness engineering: con người lái, agents thực thi
- Bootstrap một repo với CodeFactory CLI
- Phát hiện ngăn xếp, các lớp rủi ro và ranh giới kiến trúc
- Viết CLAUDE.md như mặt phẳng điều khiển của agent
- Versioning prompts và guards dưới dạng mã
- Pre-commit hooks, cổng chính sách rủi ro và các tệp được bảo vệ
Phần 2 – Phát Triển Tự Động Trong GitHub Actions
Bạn sẽ học:
- Các agent issue triage, planner và implementer
- Các review agent chỉ đọc với verdict có cấu trúc
- Vòng lặp khắc phục và tự động hoàn nguyên các tệp được bảo vệ
- Pipeline CI cổng rủi ro với kỷ luật SHA
- Doc gardening và metric harness hàng tuần
- Chạy trực tiếp toàn bộ vòng lặp issue → PR → merge
- Điều chỉnh các harness cho codebase của chính bạn
Thể Hiện Chuyên Môn Của BạnVới Chứng Chỉ Của Chúng Tôi!
Ngừng trông chừng trình soạn thảo AI
Hầu hết các nhà phát triển ngày nay sử dụng AI sai cách. Họ ngồi trong Cursor hoặc Copilot Chat, chấp nhận một gợi ý, cuộn, chấp nhận một gợi ý khác, hoàn tác, thử lại, dán một lỗi trở lại vào chat và gọi đó là một ngày làm việc. Cảm giác có vẻ hiệu quả, nhưng đó là công việc thủ công mặc trang phục AI. Con người vẫn là nút thắt cổ chai. Agent vẫn đang đoán. Không có gì có thể lặp lại, không có gì có thể xem xét và không có gì có thể mở rộng vượt quá một nhà phát triển và một nhánh.
Khóa đào tạo này đảo ngược mô hình. Đội của bạn sẽ học cách chuyển AI coding ra khỏi trình soạn thảo và vào GitHub Actions, nơi các agent chạy trong các runner tạm thời, được bảo vệ bởi các prompt có phiên bản và các cổng chất lượng tự động. Nhà phát triển mở một issue, xem xét một pull request và bấm merge. Mọi thứ ở giữa — triage, lập kế hoạch, triển khai, code review, khắc phục — diễn ra tự động, trên cơ sở hạ tầng CI phổ thông.
Bộ công cụ CodeFactory harness
Chúng tôi dạy trên CodeFactory
, một CLI mã nguồn mở bootstrap một agent-safety harness hoàn chỉnh vào bất kỳ repository hiện có nào. Một lệnh — codefactory init — và repo của bạn có được 16 harness và hơn 14 workflow GitHub Actions được điều chỉnh cho ngăn xếp của bạn:
- Một hợp đồng rủi ro (
harness.config.json) phân loại mọi tệp vào Tier 1, 2 hoặc 3 và thực thi mức độ kiểm tra phù hợp - Hướng dẫn agent (
CLAUDE.md) mô tả các quy ước, quy tắc phụ thuộc và các tệp được bảo vệ - Một issue triage agent đánh giá độ rõ ràng, khả năng tái tạo và phạm vi trước khi bất kỳ mã nào được viết
- Một issue planner đọc codebase ở chế độ chỉ đọc và đăng một kế hoạch triển khai có cấu trúc
- Một issue implementer tạo nhánh, triển khai thay đổi, chạy xác thực cơ bản và mở một PR
- Một review agent chạy với các công cụ chỉ đọc và phát ra verdict APPROVE / REQUEST_CHANGES / COMMENT được phân loại bởi một mô hình nhẹ thứ hai
- Một vòng lặp khắc phục đưa các verdict review trở lại implementer cho tối đa ba chu kỳ tự động sửa trước khi leo thang lên một con người
- Các workflow doc gardening, kiểm tra cấu trúc, kiểm tra smoke harness và metric hàng tuần giữ cho chính harness khỏe mạnh
Mọi thứ sống trong repository. Không có dashboard bên ngoài, không khóa nhà cung cấp, không trạng thái ẩn. Chỉnh sửa một prompt là một pull request bình thường.
Ví dụ sản xuất thực tế: sport-affiliate
Chúng tôi đi qua QualityUnit/sport-affiliate , một monorepo sản xuất thực tế (ba trang Next.js, một engine chia sẻ và một data pipeline Python) chạy toàn bộ CodeFactory harness. Bạn sẽ đọc các tệp workflow, prompt và script guard thực tế điều khiển nó:
- 15 workflow GitHub Actions điều phối toàn bộ vòng lặp issue → PR → merge
- Bốn prompt tùy chỉnh trong
.codefactory/prompts/(issue-triage.md,issue-planner.md,issue-implementer.md,review-agent.md) - Các script guard TypeScript (
scripts/*-guard.ts) pre-flight mọi lần chạy agent và quyết định liệu nó có nên bắt đầu hay không - Một pipeline CI fail-fast bốn giai đoạn bỏ qua các bản build Next.js đầy đủ (25 phút mỗi cái) để ủng hộ type-check + lint + kiểm tra cấu trúc
- Kỷ luật SHA: mọi công việc hạ nguồn checkout chính xác SHA được báo cáo bởi cổng rủi ro để một agent không thể race-push giữa pipeline
- Các tệp được bảo vệ (
.github/workflows/*,harness.config.json,CLAUDE.md, tệp lock, cấu hình deployment) được tự động hoàn nguyên nếu một agent chạm vào - Prompt review được tải từ
origin/main— không phải nhánh PR — để các PR do agent tạo không thể can thiệp vào reviewer của chính chúng
Trải nghiệm nhà phát triển từ đầu đến cuối trông như thế này: một con người mở một issue. Triage agent gán nhãn cho nó, đặt câu hỏi làm rõ nếu cần và chuyển nó cho planner. Planner đăng một kế hoạch triển khai dưới dạng bình luận. Implementer tạo issue-N, triển khai thay đổi, chạy các cổng chất lượng và mở một PR. Review agent xem xét. Nếu yêu cầu thay đổi, implementer được dispatch lại ở chế độ review-fix — tối đa ba chu kỳ — trước khi leo thang lên một con người. Các điểm chạm duy nhất của con người là mở issue và phê duyệt merge cuối cùng.
Đội của bạn sẽ mang về được gì
Đến cuối khóa đào tạo, các nhà phát triển của bạn sẽ có thể bootstrap chính xác thiết lập này trong các repository của riêng họ, viết và tinh chỉnh các agent prompt của riêng họ, định nghĩa các lớp rủi ro phù hợp với kiến trúc của họ, và đo lường liệu harness có thực sự hoạt động thông qua các metric Mean-Time-To-Harness và SLO hay không. Họ sẽ rời đi với một harness đang chạy trên một trong các repository thực của bạn — không phải một ví dụ đồ chơi.
Tham gia khóa tiếp theo
Đặt Chỗ Của Bạn Ngay Hôm Nay!
Tương lai sẽ không đợi — liên hệ với chúng tôi ngay bây giờ và đặt chỗ khóa đào tạo phát triển phần mềm AI của bạn để bắt đầu tự động hóa quy trình kỹ thuật của bạn.