鱼皮 AI 指南
程序员鱼皮两年半积累的 AI 知识体系,从入门到精通的完整学习路线
素材汇总
本主题收录的鱼皮系列素材(每篇独立链接到其摘要页):
| 素材 | 核心贡献 |
|---|---|
| 2026-04-29-yupi-ai-guide-intro 鱼皮 AI 指南开篇:AI 会淘汰程序员么? | 提出本主题的总问题与”AI 操控师”转型方向 |
| 2026-04-29-yupi-ai-guide-core-concepts AI 核心概念 | 16 个核心概念(大模型/温度/提示词/Token/RAG/Agent/MCP) |
| 2026-04-29-yupi-ai-guide-tools AI 实用工具 | 对话产品、AI IDE、IDE 插件、数据库/API/终端工具选型表 |
| 2026-04-29-yupi-ai-guide-programming-tips AI 编程技巧 | Prompt 工程、三步迭代法、常见问题解决方案、Git 版本控制 |
| 2026-04-29-yupi-ai-guide-programming-tech AI 编程技术 | 三大框架(Spring AI / LangChain4j / LangGraph)与四大核心业务 |
| 2026-07-23-woshipm-grill-me-skill 几句话 Skill 为何爆款:grill-me | 需求澄清协议:决策树 + 一次一问 + 推荐答案 + 共识前禁止动手 |
| 2026-09-21-woshipm-ai-desktop-outfit-video-skill 1分钟学会 AI 桌面换装视频制作 | 把爆款视频逐帧逆向工程 → 提示词模板 → 封装成开源 Skill;同一天演示 grill-me 的第二个用法 |
核心观点
AI 会淘汰程序员么?
答案:会,但也不会
- AI 会淘汰很多程序员,但程序员这个岗位不会消失
- 类比:汽车取代马车,车夫被淘汰,但催生了司机这个新岗位
- 未来程序员 = AI 操控师
AI 是不听话的数码宝贝
AI 很强,能写代码且又快又好,但关键问题:
- AI 可能不听话、程序跑不起来、多写 Bug
- 极端情况可能搞坏电脑、黑化搞破坏
- AI 不能代替人类去坐牢!责任始终在人类
转型方向:从码农到 AI 操控师
想不被 AI 淘汰,必须把自己的经验和 AI 融合,驾驭 AI 更快完成工作。
AI 时代,所有的传统业务都值得利用 AI 重塑一遍,这是程序员的机会。
四大核心章节
第一章:AI 核心概念
看完本章,对 AI 的了解超过 70% 的同学。
16 个核心概念:
| 类别 | 概念 |
|---|---|
| 基础概念 | 大模型、温度、提示词、Token、API Key |
| 模型技术 | 模型蒸馏、多模态、上下文信息 |
| 高级技术 | RAG 检索增强生成、Embedding 嵌入、思维链 CoT、ReAct |
| 系统架构 | 智能体 Agent、智能体工作流、MCP |
RAG 工作流程:
用户文档 → 文本切分 → Embedding 向量化 → 向量数据库存储
↓
用户提问 → Embedding 向量化 → 向量检索相似文档 → 大模型综合回答
第二章:AI 实用工具
看完本章,对 AI 工具的了解超过 80% 的同学。
AI 工具百花齐放,几十个覆盖各个领域,但不必都学。专注程序员核心工具链即可。
开发类工具详解:
| 工具类型 | 代表产品 | 适用场景 |
|---|---|---|
| AI 对话产品 | DeepSeek、豆包、通义千问、Claude、GPT | 简单问题解决、知识搜索、快速咨询 |
| AI IDE | Cursor | 小项目、新项目从零快速开发 |
| IDE 插件 | 通义灵码、CodeGeex、GitHub Copilot | 老项目维护、大型项目开发 |
| 数据库管理 | Chat2DB | 一句话完成数据管理、SQL 生成、数据分析 |
| API 测试 | PostMan AI | AI 快速生成不同场景测试用例和接口文档 |
| 终端操作 | Warp AI | 自然语言自动转换为正确命令执行 |
写作类工具:
- 语雀 AI:Markdown 支持、内嵌 DeepSeek、内容完善、改写口吻
- 豆包 + Mermaid 作图:流程图、架构图自动化生成
第三章:AI 编程技巧
看完本章,对 AI 编程技巧的了解超过 90% 的同学。
核心方法论:
1. Prompt 质量决定 AI 输出质量
基本优化四要素:
- 明确 AI 的角色定位
- 提供具体的细节要求
- 拆解任务
- 提供示例
进阶技巧:AI 生成高质量 Prompt
- 先让 AI 帮你生成结构化的需求文档
- 再喂给 Cursor 去生成网站
2. 复杂项目:三步迭代法
- 生成基础可运行框架:确保能跑起来就行
- 逐个实现核心功能:划分模块,依次实现
- 优化实现细节:优化结构、性能、可读性
3. 三大常见问题解决方案
| 问题 | 解决方案 |
|---|---|
| 上下文有限导致代码错误 | 项目模块化,大项目分割成小项目 |
| 改 A 坏 B,联动破坏 | 明确限定修改范围,仅修改指定文件 |
| 代码重复,难以维护 | 适当提醒 AI 抽象为可复用组件 |
4. 生命线:Git 版本控制
必须遵守的纪律:
- 每正确生成一个功能后提交一次版本
- 每次 AI 生成新代码后人工对比改动文件
- 出问题快速还原到之前版本
5. 其他实用小技巧
- AI 更喜欢 Linux/Mac 终端,Windows 用户可安装 WSL
- AI 陷入循环时,人工介入,手动指定上下文或更换 Prompt
- 多元 AI 协作:不同大模型擅长不同任务,组合使用效果更佳
第四章:AI 编程技术
程序员不仅要会用 AI 工具开发项目,还要能自主开发 AI 项目,把 AI 能力接入自己的项目。
三大 AI 开发框架:
| 场景 | 推荐框架 | 核心优势 |
|---|---|---|
| Java 企业应用 | Spring AI | 无缝集成 Spring 生态 |
| 智能体开发 | LangChain4j | 完整 Agent 工具链 |
| 复杂工作流 | LangGraph | 图结构可视化编排 |
AI 大模型集成的两种方案:
| 方案 | 优势 | 代表平台 |
|---|---|---|
| AI 云服务 | 即用、无需维护、模型更新快 | 阿里云百炼、火山引擎、硅基流动、OpenAI |
| 本地部署 | 数据安全、隐私保护、合规 | Ollama 一键部署 |
四大 AI 核心业务领域:
- RAG 知识库 - 企业问答系统、客服机器人
- 多模态 - 文本/图像/音频/视频融合处理
- MCP 模型上下文协议 - AI 工具调用标准化
- ReAct 智能体 - 自主推理行动的 AI 系统
AI 工具链:
- 低代码平台:Dify
- 文件解析:Apache Tika
- 浏览器自动化:Playwright
- 部署平台:Vercel、Sealos、Railway
- 必备技术:Docker 容器化
学习里程碑
| 阶段 | 掌握程度 | 完成标志 |
|---|---|---|
| 入门 | 了解核心概念 | 能看懂 AI 相关讨论,超过 70% 的同学 |
| 工具使用 | 熟练使用 AI 工具 | 能高效使用 AI 辅助编程,超过 80% 的同学 |
| 技巧掌握 | 掌握 AI 编程方法论 | 能用 AI 高效开发复杂项目,超过 90% 的同学 |
| 技术精通 | 能开发 AI 项目 | 能自主开发 AI 应用,接入 AI 能力到自己项目 |
素材汇总表
| 素材 | 核心内容 |
|---|---|
| 2026-07-23-woshipm-grill-me-skill | 拆解安装量 60 万+ 的 grill-me:几句话 Skill 用决策树拷问把模糊需求逼清;Cursor 实战约 10 分钟交付 |
| 2026-04-29-yupi-ai-guide-intro | AI 与职业发展,从码农到 AI 操控师 |
| 2026-04-29-yupi-ai-guide-core-concepts | 16 个 AI 核心概念,RAG 工作流 |
| 2026-04-29-yupi-ai-guide-tools | AI 程序员实用工具链,从开发到写作 |
| 2026-04-29-yupi-ai-guide-programming-tips | AI 编程高级技巧,Prompt、迭代法、版本控制 |
| 2026-04-29-yupi-ai-guide-programming-tech | AI 编程技术全景,框架、架构、部署 |
知识体系结构
鱼皮 AI 指南
├─ AI 核心概念(基础理论)
│ ├─ 基础概念:大模型、温度、提示词、Token、API Key
│ ├─ 模型技术:模型蒸馏、多模态、上下文信息
│ ├─ 高级技术:RAG、Embedding、CoT、ReAct
│ └─ 系统架构:Agent、智能体工作流、MCP
│
├─ AI 实用工具(工具链)
│ ├─ 对话产品:DeepSeek、豆包、通义千问
│ ├─ AI IDE:Cursor
│ ├─ IDE 插件:通义灵码、GitHub Copilot
│ ├─ 专业工具:Chat2DB、PostMan AI、Warp AI
│ └─ 写作工具:语雀 AI、Mermaid 作图
│
├─ AI 编程技巧(实战方法论)
│ ├─ Prompt 工程
│ ├─ 三步迭代法
│ ├─ grill-me 式需求拷问(先共识再动手)
│ ├─ 常见问题解决方案
│ ├─ Git 版本控制
│ └─ 多元 AI 协作
│
└─ AI 编程技术(开发能力)
├─ 三大框架:Spring AI、LangChain4j、LangGraph
├─ 云服务 vs 本地部署
├─ 四大核心业务:RAG、多模态、MCP、Agent
└─ 工具链与部署:Dify、Docker、Vercel 等
对程序员的最终建议
信息量确实爆炸,别担心。上面都是实践层面,还要学习理论:框架底层原理、调优技巧、算法实现。
最后重复回答开篇问题:AI 会淘汰程序员吗?答案仍然是”会”。
因为程序员本身就需要持续学习和实践保持竞争力。只要学会上面这些知识,多关注 AI 前沿资讯,相信 AI 不会抢走我们的饭碗,而是成为改造世界的杠杆。
综合分析
不同素材的交叉视角
本主题的素材可以分成两组来读。第一组(2026-04-29 五篇)是”知识地图”:回答”AI 时代程序员要学什么”,输出的是概念清单、工具选型表与框架路线图,重心在人的知识结构。第二组(2026-07-23 与 2026-09-21 两篇)是”能力封装”:grill-me 与 AI 桌面换装视频两篇都不再讲”要学什么”,而是讲”怎么把一套判断固化成 AI 可以照着执行的流程”——一个是需求澄清协议,一个是视频复刻流程。两组之间的位移很清晰:从”人要掌握 AI”转向”人把方法交给 AI 去执行”。
值得注意的是 grill-me 在两篇中扮演了同一种角色:在软件项目里它把模糊 idea 拷问成可开发方案,在视频逆向工程里它把”要复刻哪一层”在拆片前问清楚。两个月内两个完全不同的领域出现同一个用法,说明它的价值不在领域知识,而在”决策树状 + 需求易含糊”这两个触发条件。
趋势与判断
- 作者本人的产出形态在升级:从”教程/知识整理”(第一组)走向”可运行的工具与开源项目”(第二组)。AI 桌面换装视频一篇里,作者交付的不再是文章结论,而是一个 GitHub 仓库 + 自动生成的 README——内容创作者的产出物正在从”说明”变成”资产”。
- “人只做决策和验收”是可验证的中期状态,但不是终点:该素材自述”全程几乎都是 AI 在干活,我只需要做决策和验收”,而同一篇的评论区立刻指出”核心机关的拆解其实还是依赖人对原版视频的审美判断”。判断力被压缩到很小的比重,却没有被消掉。
- Skill 的门槛在下降、粒度在分化:grill-me 是”几句话的澄清协议”,桌面换装视频是”六问访谈 + 提示词模板 + API 脚本”的窄 Skill。两者都指向同一个判断——Skill 的价值密度不由长度决定,而由它是否卡住了一条高频失败路径决定。
未解决的问题
- 审美判断能否被结构化:如果”哪条细节是机关”始终要人认定,那么这条流水线的自动化上限在哪里?
- 复刻的边界:逐帧逆向工程拆的是构造,但”构造”与”受版权保护的表达”之间的界线如何划?(本主题素材未展开)
- 第一组的知识地图是否需要更新:AI 编程工具与 Agent 生态在 5 个月内变化剧烈,5 篇 4 月的教程仍未按新工具修订。
更多资源
鱼皮免费公开 AI 知识库:https://ai.codefather.cn/ 汇总收集最新最全 DeepSeek 知识。