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 IDECursor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 AIAI 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:

  1. 明确 AI 的角色定位
  2. 提供具体的细节要求
  3. 拆解任务
  4. 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

  1. 生成基础可运行框架:确保能跑起来就行
  2. 逐个实现核心功能:划分模块,依次实现
  3. 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:

  1. RAG 知识库 - 企业问答系统、客服机器人
  2. 多模态 - 文本/图像/音频/视频融合处理
  3. MCP 模型上下文协议 - AI 工具调用标准化
  4. 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-introAI 与职业发展,从码农到 AI 操控师
2026-04-29-yupi-ai-guide-core-concepts16 个 AI 核心概念,RAG 工作流
2026-04-29-yupi-ai-guide-toolsAI 程序员实用工具链,从开发到写作
2026-04-29-yupi-ai-guide-programming-tipsAI 编程高级技巧,Prompt、迭代法、版本控制
2026-04-29-yupi-ai-guide-programming-techAI 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

  1. 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”。
  2. “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。
  3. 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

  1. 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?
  2. 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)
  3. 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。

相关页面