从这里开始

一条面向有 AI 编程经验、具备初中级 IT 基础、没有计算机相关本科学位的实践路线。学习目标不是生成更多代码，而是把真实问题变成可以理解、验证、部署、维护和持续使用的工具。

资料核对基线：2026 年 9 月 27 日｜版本：公开分享版 1.0｜形式：自学课程与项目实验，不是大学学位、职业认证或就业承诺。

本文的周数、阅读时间、实验规模和过关标准均为课程设计建议；研究结果与平台规则在对应位置给出原始来源。链接到课程不等于获得其全部实验、证书或付费内容的访问权。公开资料的核对范围见文末资源表，实施时仍需检查当前版本。

导读：为什么不是另一份“AI 课程大全”

很多人已经能够用自然语言做出网页、脚本甚至完整应用，却仍然面对同一组问题：代码出错后只能让模型重写；工具在演示中很好用，进入生活却增加维护；资料收藏了很多，但下一次遇到同类问题仍然不知道如何判断；模型不断更新，项目却也随之不断推倒重来。

这里要补的不是更多提示词，而是一条完整的能力链：

发现一个重复问题 → 选择最简单的解决办法 → 理解核心实现 → 检查结果 → 在合适环境运行 → 接管故障 → 证明它值得保留。

本文借鉴 FDE（Forward Deployed Engineer，前线部署工程师）式的端到端工作方式，但把第一个使用者设为自己。“个人 FDE”是本课程对学习路径的命名，不是行业统一认证名称。课程中的 RSI 按 Recursive Self-Improvement 理解，主线仅指对提示、工具、工作流和代码进行受控改进，不声称实现基础模型权重自训练或无限智能增长。

三个问题贯穿全程：我能解释吗？我能验证和恢复吗？它真的改变了我的日常吗？

一、怎样使用这份路线

1. 适合谁，以及不适合怎样使用

适合已经尝试过 AI 编程、会使用电脑和常见 IT 工具，但软件基础并不系统的人。完全初学者可以先做下文桥接，再进入主线；有经验的工程师可以直接做诊断与验收，补真正的缺口。

不要把它当成必须连续二十四周不间断完成的挑战，也不要把大学公开课全部堆成前置条件。每周只有一个主问题、一个可见交付和一项独立练习。完成标准是能力，而不是日历翻页。这里没有“必须先花钱购买某一款模型”的入学门槛。

已有项目的人优先改进自己的低风险项目；没有项目的人沿用本文三个通用案例。不要同时积极开发三个系统，每次只推进当前主项目，其余只做实际使用与必要维护。

2. 时间预算：每周十小时核心，两小时机动

每周可再留两小时补基础。按每周 10–12 小时估算，24 周的计划投入为 240–288 小时；每周只有 6 小时，可以把同样工作量摊到约 40–48 周，基础差距和任务复杂度仍可能继续延长。

每周资源表的分钟数是建议阅读预算，不是整门课的官方时长。表中“选读”“复习”“补基础”不是额外全修要求；超出两小时后，优先读当前任务卡住的内容，剩余放进机动时间。读完不等于掌握，没读完也不必阻止一个已被理解的小交付。

3. 先做诊断，不先买一整套课程

用 60–90 分钟完成以下检查。可以查官方文档，但先保留自己的首次答案，不让 AI 代答。

大量缺项时，加一段约 4–8 周的桥接：第一段练函数、分支、循环和数据；第二段练文件、错误与测试；第三段练 Git、环境与 Web 数据流；第四段用一个本地工具串起来。时间只是安排，仍不会时继续补。算法、内存和数据结构可以从 R16 · Harvard CS50x 2026 按缺口选学，不需要先把全部本科课程修完。

4. 一条主技术栈，不同时学五个框架

默认主线选择 JavaScript / TypeScript → React → Node → SQL → Git。已有稳定技术栈的人可以保留，不必为了这篇文章重写。Python 只用于补基础、阅读研究和小实验；前六周不要同时建设两套完整后端。

R28 · TypeScript Handbook：Introduction、R29 · React：Quick Start 与 R30 · Node.js：Learn 是语言和运行时查阅入口。R21 · Full Stack Open：About the course 列出了 Full Stack Open 的先修期待，因此先补基本编程与 Web，再选其中相关部分。向量数据库、Kubernetes、微调、多 agent 集群和复杂消息系统都不是开工前置条件。

实现顺序保持克制：规则能解决就用规则；需要语言理解才引入模型；步骤固定就用工作流；只有需要受约束地选择行动时才增加 agent 自主性。简单优先的工程思路可参考 R41 · Anthropic：Building effective agents。

二、2026 年应吸收什么，又不应该追什么

MIT Missing Semester 已有 2026 课程，其中包含 Agentic Coding；它适合补齐终端、Git、调试与交付这类容易被跳过的能力。Stanford CS146S 当前主页为 Fall 2026，涉及 MCP、skills、规格与人机协作循环，但明确要求相当于 CS111/CS161 的编程经验；不能把它说成零基础课，也不能据课程介绍假定未来全部材料已经开放。资料见 R01 · MIT Missing Semester：2026 课程目录、R06 · MIT Missing Semester：Agentic Coding、R09 · Stanford CS146S：The Modern Software Developer，Fall 2026。

当前工程材料值得学习的，不仅是提示词，还包括执行环境、仓库信息、反馈与结果检查。本文从 R47 · OpenAI：Harness engineering、R42 · Anthropic：Demystifying evals for AI agents 等原始文章中选取相关思路，再设计自己的练习；没有复制厂商内部成绩，也不保证同样收益能够在个人项目复现。

AI 辅助完成任务与学习者掌握技能是两个不同目标。一项受控编程学习研究提示，使用方式与理解形成有关，但它的样本、任务和实验条件有限，不能推广为“AI 一定损害学习”。本课程因此保留独立解释和新情景练习，而不是禁止使用 AI。研究来源见 R45 · Anthropic：How AI assistance impacts the formation of coding skills。

选课只保留少量主线：基础用 MIT、MDN 与 CS50 的对应章节；Web 交付用 Full Stack Open 与官方文档；agent 基础用 Hugging Face 加一个主 SDK；后期再选 Berkeley 2025 的进阶材料、GEPA 和 DGM。厂商培训在 R38 · OpenAI Academy：Codex 与 R39 · Claude Academy：Claude Code in Action 中选择自己实际使用的一条即可，不需要两套从头重复。

“前沿”应表现为能及时核对变化、做小范围验证和删除过时机制，而不是永远重建技术栈。

三、三个持续项目，以及它们的数据边界

公开教程中的名字、数据和任务均为通用教学设计，不对应具体个人、雇主、客户或真实项目。不要把自己的真实记录直接替换进公开示例后再次发布。

推荐的架构由风险推动，而不是由框架流行度推动：

P1：用户输入 → 本地规则与校验 → 预览 → 用户主动导出

P2：固定公开来源 → 只读检索 → 必要时调用模型
                         ↓
              证据校验 → 行动草稿 → 人工决定
                         ↓
                    最小运行记录

P3：授权可得的任务元数据 → 本地统计 → 改进提案
                                      ↓
                         隔离评测 → 人工批准或拒绝

这是一张课程架构示意，不代表已经部署的服务。所有跨网络边界都要重新判断数据、权限与费用；模型提出动作，不等于已经获得执行许可。

四、学习时怎样使用 coding agent

采用一个固定循环：先自己预测 → 协作实现 → 解释数据流 → 独立小改动 → 新情景验证。

不要让模型一次读完全部二十四周并开始连续执行。当前周只给目标、必要文件、输入输出、非目标和安全边界；让它先检查真实项目状态，再提出最小计划。每轮结束保留实际验证、未验证项和下一步，不要求它为每个细节制造长报告。

导师、开发者与复核者可以是同一个模型在不同阶段扮演的角色，也可以用两个工具分工。第二个模型的同意只是额外线索，不能替代代码执行、原文证据和人对外部结果的确认。独立练习期间，模型可提问但不提前显示完整答案。

下面的提示词可以作为每周提示的共同前提：

你是我的工程导师和协作开发者。先确认本周目标与当前项目状态，
只处理一个小而完整的任务，不自动推进下一周。

我需要理解输入、处理、输出、失败、权限、费用和恢复方法。
先给最小规格与非目标，再实现最少改动，并实际执行相关检查。
结果分成：已交付、已验证、未验证、风险或限制、我的独立练习。

默认使用合成或公开数据，默认 mock、只读、手动触发。
未经明确授权，不联网发送私人数据、不启用付费调用、
不连接账号、不公开发布、不扩大权限、不删除或覆盖源数据。

不把配置文件或提示词中的限制说成已经落实的安全控制。
不编造测试结果、运行历史、用量或用户反馈。
遇到基础缺口先缩小任务、解释并出小练习，不用大规模重写掩盖它。

这段提示词只是沟通约定，不是安全边界本身。真正的文件、网络、预算和动作限制必须由系统权限与执行程序落实。外部课程的正式作业另外遵守其学术诚信要求，例如 R15 · CS50P：Academic Honesty；本文鼓励 AI 协作的自有项目不应成为规避课程规则的理由。

五、24 周全景图

阶段门槛是：第 3 周能理解修改与调试；第 6 周能交付回退；第 8 周工具进入实际使用；第 11 周能约束 agent；第 14 周知识转化为行动；第 18 周能运维恢复；第 21 周能拒绝无证据自改进；第 24 周能独立处理新需求并说明价值。

下面每周均有具体资料、实践、交付、独立练习和隐私安全检查。资源先选必读和当前卡点，不因出现三个链接就额外完整修三门课。