AI 编程深度系列

AI 编程已经从代码补全发展到能够搜索仓库、修改文件、运行命令、调用外部工具并提交可审查结果的 Coding Agent。能力边界扩大后，真正需要掌握的不再只是 Prompt，而是任务契约、上下文、工具、验证、安全和团队治理组成的完整工程系统。

本系列面向有 Git、测试和团队开发经验的职业开发者，共 14 篇。内容从 Agent 的工作机制和 2026 年工具生态开始，逐步进入任务契约、Context Engineering、仓库规则、MCP，再通过一个 Spring Boot 订单服务完成 Brownfield 修改，最后讨论 Cloud Agent、多 Agent、安全治理和提效证据。

全系列最后核验：2026-07-20
全系列包含 132 张技术图；产品能力、研究结论和易变事实以各篇标注的核验日期为准。

阅读路线

第一次系统学习，建议按 01 到 14 的顺序阅读。前八篇建立心智模型和基础设施，09 到 11 是连续实战，最后三篇处理规模化采用后的并发、安全和度量问题。

如果正在给团队落地 Coding Agent，可以先读 05、06、07、11、13：它们分别解决任务怎样交代、事实怎样进入上下文、仓库规则怎样维护、结果怎样验证以及权限怎样治理。

如果准备做 Brownfield 改造，可以从 09 开始连续阅读三篇实战。案例保留基线、失败测试、初次实现、审查修正和最终版本五个真实 Git 节点，用同一项“取消订单”需求串起探索、实现、验证与交付。

系列目录

篇目	主题	解决的问题
01	AI 编程进入 Agent 时代	从补全、Chat 到 Agent、Cloud Agent 和 Review Agent，怎样判断自治边界
02	Coding Agent 到底怎样工作	Model、Harness、Instructions、Tools、Context 和 Feedback 如何构成执行循环
03	2026 AI 编程工具生态与选型	Codex、Claude Code、Cursor、Copilot、Gemini、Devin 及国内工具怎样按工程能力选型
04	Vibe、Agentic 与 Spec-Driven	三种方法分别适合什么任务，怎样从原型进入生产门禁
05	Agent 可执行的任务契约	怎样把目标、范围、约束、验收和交付物写成可执行任务
06	Context Engineering	怎样管理检索、渐进加载、压缩、污染、失效和上下文成本
07	AGENTS.md、Rules、Skills 与 Hooks	仓库指令、作用域、能力封装和确定性门禁怎样分工
08	MCP 与 Agent 工具工程	Client、Server、Tools、Resources、授权和信任边界怎样设计
09	Brownfield 实战一：先理解，再修改	怎样建立基线、仓库地图、调用链、状态模型和实施计划
10	Brownfield 实战二：测试驱动修改	怎样用失败测试驱动领域状态、实现和根因修正
11	Brownfield 实战三：验证与交付	怎样审查 Diff、识别假测试并形成可追责交付证据
12	Cloud Agent、Worktree 与多 Agent	怎样拆任务、并发、隔离分支、控制冲突和计算总成本
13	AI 编程安全与团队治理	沙箱、Shell、Secrets、Prompt Injection、供应链和审计怎样落地
14	AI 编程到底有没有提效	怎样理解不同研究结论，并用团队试点测量净交付收益

贯穿实战

实战使用一个独立 Spring Boot 订单服务：在不修改数据库结构的前提下新增取消订单接口，要求首次取消成功、重复取消幂等、订单不存在返回 404、已支付订单返回 409。这个看似局部的需求会同时触及领域状态、Repository、Service、Controller、异常映射、单元测试和 MockMvc 端到端测试，足以展示 Coding Agent 在真实旧代码库中的完整工作方式。

系列不把“代码生成完成”当作结束。每个实战结论都回到可观察证据：基线是否通过、失败测试是否真实失败、实现后哪些测试通过、真实 HTTP 行为是否符合契约、Diff 是否超出范围，以及哪些结论仍然没有经过远程环境验证。

使用边界

产品入口、模型名称、套餐、默认权限和平台能力变化较快，工具选型应以最新官方文档和组织实际环境为准。系列提供的是稳定的工程判断框架：为任务选择最低但足够的自治级别，用确定性工具验证可验证部分，把产品与架构取舍留给明确责任人，并让每一次交付都具备可复现证据和回滚路径。