课程简介
当下生成式AI深度重构短剧行业，行业迎来全民入局的爆发期，彻底改写了传统短剧高成本、长周期的制作模式，低门槛入局通道让短剧创作迎来全新变革。但行业高速发展的同时，内卷乱象与发展痛点愈发突出，粗放量产模式导致内容同质化严重、爆款率极低，九成入局团队陷入亏损困境。随着行业监管日趋规范，流量持续向合规精品倾斜，单纯依赖AI工具无脑量产的模式已被市场淘汰，行业正式进入技术落地、精品创作、合规运营的精细化竞争阶段。
本课程以**短剧应用（DramaFlow）**为核心载体，带领学员完整经历从产品设计、视觉设计、架构搭建到三轮迭代开发、集成测试、代码审阅与重构的全流程，同时还包括已有功能的改版升级。课程通过实战过程将 Harness Engineering 方法论的核心组成——Spec 驱动开发（SDD）、Agent 友好型架构、Skills & MCP 设计等——全部落实在真实项目步骤中，让学员"做中学、学中做"。五条知识体系贯穿两天实战，每条线在项目的不同阶段分层触发，形成"引入→深化→掌握"的学习螺旋。两天各设一次分享总结，集中讨论发现的问题与解决方案，确保学员离场前完成认知内化。
课程收益
1、帮助学员亲手完成三端独立架构（Python FastAPI 后端 + Kotlin 原生 Android + Vue3 H5）短剧 APP 的三轮迭代，获得从产品设计到上线的完整 AI Native 开发经验
2、帮助学员建立 AI 编程的人机边界认知：什么能做好、什么做不好、哪些卡点必须人工决策
3、帮助学员掌握 Harness Engineering 在项目中的系统应用
4、帮助学员掌握 SDD 工作流，可直接带回团队落地
5、帮助学员掌握 Skills 和 MCP 的设计与实现方法，适用场景
6、帮助学员理解 Agent 友好型架构：学会用文档约束 Agent 行为，可迁移至企业存量系统改造
7、帮助学员掌握 AI 辅助 CR + 重构的方法论：如何寻找重构线索，如何在不破坏测试的前提下安全改造。
受众人群
1、有一定工程经验、希望将 AI 深度融入日常研发的软件工程师、全栈或移动端开发
2、产品负责人、技术 TL，希望理解 Spec 驱动开发并推动团队 AI 工具链落地
3、研发效能负责人，希望建立企业级 AI 研发规范与 SDD 工作流兴趣的人员
课程周期
2天（14H）
课程大纲
标题 | 授课内容 |
一、AI Native 认知、编程经验与 Harness 工程（约1.5h） | 目标：建立"AI Native"思维，理解 Harness 工程体系，掌握核心实战经验 1. AI 能力演进的工程含义（10min） (1) 从补全到推理（CoT / o1 / o3）：能力跃迁对软件工程意味着什么 (2) S-P-A 架构速览：Agent 如何感知-规划-执行（规格驱动/Agent友好架构的理论基础） (3) 三级记忆模型：为什么上下文管理是 Agent 的核心挑战 (4) 未来工作模式：全能个体 + 多 Agent 与 Harness + 上下文窗口与成本管理 2. AI 编程核心经验（25min） (1) 设计先行，架构不能外包 (2) 用 CLAUDE.md 或合适的 md 固化约束，而不是每次在 Prompt 里重复 (3) 把需求写成结构化 Prompt，而不是口头描述 (4) 小步拆解，每步可验证 (5) 用好 Git，随时掌握节奏 (6) 必须看代码，很多微观工程决策需要人来定，代码量增长后及时重构 (7) 管理好 Session 和上下文窗口 (8) 了解哪些任务AI不擅长 (9) 分清执行类和架构类任务，善用对比提问 (10) 对 Agent 保持高可观测性 (11) 保持人类最终裁决权（HITL） 3. Harness 工程系统介绍（35min） (1) 什么是 Harness：模型只是拼图的一块，模型外部的工程组件共同组成 Agent 的 Harness，同等决定任务质量。 (2) Harness 项目空间纵览：展示一个典型项目完整Harness全貌 (3) 从四个层次理解Harness构筑的完整体系：文档层 -> 经验层 -> 约束层 -> 执行层 (4) Harness 的团队治理与 Git 管理：团队共治 Harness 时的现实思考 4. 工具链说明（10min） (1) 工具与模型选择：Agent介绍，为什么选择Claude Code，GLM / DeepSeek的选择 (2) Claude Code实用技巧：上下文超 50% 时主动 /compact 并指明保留方向；走偏了 Esc Esc 回滚，不硬扛；复杂任务先 Shift+Tab 进入 Plan Mode 规划再执行；小任务一句话完成，别上全套流程。 |
二、产品设计（约1.5h） | 目标：完成产品定义和可执行 Spec 1. [实践步骤] 竞品分析 + PRD 生成（10min） 任务：分析 Viki / WeTV / DramaBox 核心功能，生成 DramaFlow PRD 产出：PRD.md（All-in-One 单文件，包含以下内容） (1) 产品定位与目标用户：一句话定位、用户画像分层 (2) 功能范围：按迭代划分，标注 P0/P1/P2 优先级，关联实现端 (3) 非功能需求：性能、安全、兼容性等约束 (4) 技术架构概要：前后端选型与通信方式 2. [实践步骤] 撰写可执行 Spec（20min） (1) 为什么 PRD 不够用：PRD 描述"做什么"，但开发需要"怎么做才算完成"。可执行 Spec 的每项验收标准（AC）都可供开发者或 AI Agent 逐条自检，减少理解偏差和返工。 (2) 五段式格式：领域名词 → 前置条件 → 主流程 → 异常处理 → 验收标准（AC）。 (3) 范围：仅覆盖迭代 1+2（Drama / Episode / User / WatchRecord），迭代 3 的 Spec 在 Day 2 下午以增量方式补写 (4) 产出：SPEC.md 初版；培训场景以主体功能可用为验收标准，无需追求完备性 (5) 提效演示：让 Claude 从 PRD 草稿自动提取五段式 Spec 骨架，人工确认 AC (6) HITL 检查点：AC 的最终确认必须由人完成 3. [实践步骤] 建可执行设计系统并创作原型（25min） (1) 原型设计的演进：从说明书（Axure）到可复用组件（Figma）到可执行产品（v0/Bolt），AI 越能生成，设计系统的约束越重要 (2) 创建第一版可执行设计系统：tokens + constraints + design-rules，也可从已有 HTML 提取 (3) 利用 Claude Code 做原型设计：可利用 CLAUDE.md 或封装 Prototype Skill 确保生成复合约束 (4) 其他工具推荐：v0.dev（React 原型）、Claude Design（交互原型） (5) Spec + 可执行设计系统 + 原型：三者分工——逻辑正确性、视觉一致性、流程可见性 (6) 产出：design-system/ + prototype/ 可交互原型 4. [实践步骤] 可执行设计系统下的视觉验收（15min） (1) 代码合规（自动）：Skill 生成时扫描 hardcoded 色值，ESLint / CI 提交时拦截——这层不过，后两层保障失效 (2) 渲染正确（工具辅助）：代码正确 ≠ 渲染正确；H5 用 Playwright 截图建基准快照，移动端靠布局树 + ROI 像素检查分层叠加 (3) 渲染验收的核心挑战：动态内容、CDN 图片、跨设备渲染差异造成大量噪音——难点不是"怎么对比"，而是"怎么区分真正的回归和正常差异"；多 baseline 消噪 + AI 看图兜底是推荐应对 (4) 体验质量（人工）：视觉节奏、信息层级、交互情绪感无法自动化；前两层卸掉合规负担，人工走查才能专注这里 (5) 写入视觉 AC：将可测量标准（如"卡片标题最多 2 行截断"）写入 SPEC.md，开发逐条自检 5. [Agent友好架构][HITL] PM 利用 Agent 直接改代码快速试错（10min） PM 用自然语言描述产品优化意图，Agent 直接改代码（H5 + 后端），PM 在预览环境验收改动效果，满意后开发接手并参考改动。 (1) 预览部署：每次提交可自动构建并部署到 SaaS 预览环境（含后端 + H5），PM 获得可分享的预览链接。 (2) 改对地方：Agent 友好架构是前提——模块 README 清晰、CLAUDE.md 描述全栈结构，Agent 能准确理解改动涉及哪些层，减少误改和漏改。 (3) 可观测性：错误和变更影响以产品语言呈现，PM 无需读日志即可判断改动是否符合预期。 (4) PM 专用 Skill：preview-change（描述本次改动对用户的影响）、safe-check（提交前验证，结果以非技术语言呈现） (5) 开发接手：开发可直接参考，形成协作闭环 |
三、项目工程化 + 方法论准备（约1h） | 目标：搭建 Agent 友好型项目骨架，写入最小约束，完成数据建模，预习工具化 SDD 1. [Agent友好架构] CLAUDE.md 是 Agent 的”宪法”，Repo 即 Agent 的”操作系统” 2. [实践步骤] 项目初始化 + 架构骨架（15min） (1) 指令示例：基于 SPEC.md 的模块划分，生成 Kotlin Android 项目骨架 + Vue3 H5 项目骨架 + Python FastAPI 后端骨架 + SQLite 初始化脚本 (2) 产出：可编译的项目目录结构（android/ + h5/ + backend/）+ 每个模块的 README 模板 3. [实践步骤][规格驱动] 撰写 CLAUDE.md + Prompt SDD 初体验（15min） (1) 写入技术栈说明、架构约束（禁止跨模块直接调用）、命名规范、构建方式、测试命令，只放不可推断的信息，能从代码推断的不写。 (2) 写入 SDD 最小约束：接受任务前必须阅读对应 Spec、生成代码后自检 AC (3) 演示：”无 Spec” vs “有 Spec”的 AI 响应差异；CLAUDE.md 中 SDD 约束如何影响 Agent 行为。 (4) Prompt SDD 的本质：在 CLAUDE.md 中固化约束 → Agent 读取后自动遵循 4. [规格驱动] OpenSpec：从 Prompt SDD 到工具化 SDD（15min） (1) 问题暴露：项目复杂度上升后纯 Prompt 约束的局限（约束易遗漏、AC 无法自动化验证、Traceability 缺失） (2) OpenSpec 核心能力演示：Change Proposal → Spec → Task → 实现 (3) 工具原理说明：Claude Code、OpenSpec 与 Spec 的互动关系 (4) 与 Prompt SDD 的对比：什么样的团队 / 项目值得引入工具化 SDD；说明两者并存，迭代开发时学员可自选使用 5. [实践步骤] 数据模型设计（15min） (1) 任务：Drama / Episode / User / WatchRecord 数据模型 + SQLite 建表脚本 + 测试种子数据（SQLAlchemy ORM + 初始化脚本） (2) 自我尝试：第一轮不读 SPEC.md 直接让 AI 生成模型 → 第二轮加入约束重新生成 → 对比差异，体会 SDD 如何约束输出质量 (3) 重点关注：WatchRecord 的字段设计（播放进度、时间戳），为迭代 2 播放进度持久化打基础 |
四、迭代 1：用户认证 + 首页（约 3h） | 功能：FastAPI JWT 认证 + 首页（Banner + 分类 + 剧集列表） 1. [实践步骤] Auth 模块开发（35min） (1) 任务：Python FastAPI 认证接口（注册 / 登录 / JWT）+ Kotlin Android 登录页（ViewModel + LiveData 表单） (2) 演示重点：Claude Code 读取 CLAUDE.md + auth/README.md + SPEC.md → 生成代码（Agent 如何利用上下文） (3) 开发策略：先生成 Auth Service + API 路由（后端），再补充 Android UI 逻辑（多轮约束生成） (4) Java 辅助演示：同一登录接口用 Java Spring Boot 实现一遍，对比 AI 在两种语言下的代码生成差异 2. [实践步骤] Home 首页开发（40min） (1) 任务：Python 后端 /api/dramas 接口 + Vue3 H5 首页（Banner 轮播 + 分类 Tab + 剧集列表 + Pinia 状态管理）+ Android WebView 加载 3. [实践步骤] 实现第一个 Skill（25min） (1) Skill 设计方法与适用场景：什么场景应该封装成 Skill？颗粒度如何把握？Skill目录结构，参数设计原则（最小化、自包含） (2) 最佳实践：幂等性（可重复调用不产生副作用）、结构化反馈（成功/失败/变更明细）、可重复调用的设计模式、无需推理的固定逻辑考量用代码实现。 (3) 实现 rebuild-deploy Skill：编译 H5 → 启动后端 → 启动模拟器 → 安装 App 全流程，一键部署到模拟器 (4) 参考最佳实践，尝试重构和简化skill，讨论“用代码实现无需推理的固定逻辑”的必要性 4. [测试自愈] 怎么做测试（20min） (1) 选择API级测试：单元测试绑定实现，AI 加速后技术债积累更快，维护成本高于价值。后端用 pytest 测 API 行为，不测实现。 (2) 选择行为级测试：Android 用 Espresso / ADB / UI Automator 测用户操作流程，可以设计为利用 Claude Code 等 Agent 调度测试流程 (3) 用 AI 生成测试场景矩阵（正常 / 异常 / 边界），人工筛选关键场景 (4) 实现 spec-validate Skill：以 Spec 为唯一来源，AC 覆盖检查，补充 API 测试，作为 SDD 的验收门 5. [实践步骤] CR + 重构（20min） (1) 实现 cr-refactor Skill：输出 CR 清单 + 重构建议，参数最小化设计（只接受路径，自动定位问题） (2) 寻找重构线索的提问框架及AI高频错误模式（重复逻辑 / 状态泄漏 / 命名混乱 / 不遵循设计 / 啰嗦的注释或实现） (3) 学员按优先级执行 2–3 条重构，人工确认不破坏已通过的集成测试。 |
京ICP备2022035414号-1
