Konfiguracja kursu o przepływie pracy z AI: terminal, Git i laboratorium ćwiczeniowe
Table of Contents
Wróć do praktycznego kursu przepływu pracy z AI
Przygotuj bezpieczne miejsce do ćwiczeń, zanim użyjesz agenta. Lekcje 1 i 2 działają w przeglądarce bez tego laboratorium. Wróć tu przed lekcją 3, jeśli chcesz ukończyć cały kurs. Praktyczne lekcje programowania wymagają Git, Pythona 3.10 lub nowszego oraz jednego agenta programistycznego. W ścieżce do samodzielnej nauki oznaczone zadania ręczne zastępują niedostępne działania agenta.
Cel nauki: uruchomisz laboratorium startowe, zapiszesz lokalny stan bazowy i wyjaśnisz, jak zresetować tymczasową kopię.
Najważniejsze informacje
- Ścieżka przeglądarkowa: wykonaj ćwiczenia z czatu, planowania, sprawdzania źródeł i przeglądu w ChatGPT lub Claude.
- Ścieżka lokalna: użyj terminala i dostarczonego laboratorium Python do ćwiczeń programistycznych.
- Ścieżka resetu: rozpakuj nową kopię laboratorium, gdy ćwiczenie się nie powiedzie.
- Zasada bezpieczeństwa: prywatne pliki, dane klientów i dane logowania trzymaj poza laboratorium.
Wybierz ścieżkę
| Ścieżka | Wymagania | Ćwiczenia |
|---|---|---|
| Wprowadzenie w przeglądarce | Aktualna przeglądarka i konto ChatGPT lub Claude | Lekcje 1 i 2 oraz pakiet zadań czatu z lekcji 1 |
| Ćwiczenia lokalne | Git, Python 3.10 lub nowszy, terminal i jeden agent programistyczny | Pliki, różnice, testy i zmiany agenta |
| Kurs do samodzielnej nauki | Przeglądarka, lokalny Python 3.10 lub nowszy i Git | Pełne kontrole laboratorium; niedostępne kroki agenta i MCP oznacz jako niewykonane |
Każdy produkt sam określa plany i ograniczenia. Przed poleganiem na funkcji sprawdź ChatGPT Projects i Claude Projects . Ścieżka do samodzielnej nauki nie potwierdza praktycznej umiejętności obsługi niedostępnego agenta programistycznego. Zapisz tę różnicę w notatkach końcowych.
Korzystaj z jednej podstawowej ścieżki: ChatGPT w przeglądarce do ćwiczeń czatu, a potem dostępny agent programistyczny z lokalnym laboratorium. Claude to równoważna opcja do czatu. Do programowania możesz wybrać Codex CLI, Claude Code CLI lub OpenCode. Nie potrzebujesz kont u wszystkich dostawców.
Zapisz pięć kontroli wstępnych przed uruchomieniem agenta programistycznego. Dzięki nim odróżnisz kontrolę lokalnego laboratorium od twierdzenia o koncie lub hostowanym środowisku pracy.
| Kontrola | Zapisz |
|---|---|
| Środowisko pracy | Dokładny folder rozpakowanego laboratorium, który agent odczyta |
| Wykonanie | Komputer lokalny lub wybrane środowisko zdalne |
| Dostawca | Konto lub dostawca modelu używany w tym zadaniu |
| Uprawnienia | Czy zapis plików i polecenia powłoki są dozwolone, czy wymagają zgody |
| Stan bazowy | Zaobserwowana liczba i dwa zaliczone testy przed edycją |
Ogranicz katalog główny ćwiczeń. Hostowane środowisko potrzebuje własnej kopii syntetycznego laboratorium. Lokalny przebieg nie dowodzi, że kopia zdalna lub konto mają te same pliki i uprawnienia.
Poznaj lokalne pojęcia
| Pojęcie | Proste znaczenie |
|---|---|
| Terminal | Aplikacja do wpisywania poleceń |
| Powłoka | Oprogramowanie interpretujące polecenia |
| CLI | Interfejs wiersza poleceń programu |
| Katalog roboczy | Folder używany domyślnie przez polecenie |
| Repozytorium | Projekt śledzony przez Git |
| Commit | Zapisana migawka Git |
| Gałąź | Nazwana linia zmian Git |
| Diff | Widok dodanych lub usuniętych wierszy |
| Sprawdzenie | Powtarzalne sprawdzenie oczekiwanego działania |
| Kod wyjścia | Liczba informująca o sukcesie lub porażce polecenia |
Do laboratorium startowego nie potrzebujesz GitHub. Git działa na twoim komputerze. GitHub to osobna usługa hostingu. Lokalny commit zapisuje migawkę bez wysyłania plików.
Przygotuj laboratorium
Pobierz
laboratorium startowe kursu
i rozpakuj je do nowego folderu, który kontrolujesz. Otwórz terminal w tym folderze. W macOS lub Linux otwórz Terminal i użyj cd, aby przejść do rozpakowanego katalogu. W Windows użyj PowerShell lub Windows Terminal oraz cd. W Windows polecenie Python to często py -3 zamiast python3.
W razie potrzeby zainstaluj
Python 3.10 lub nowszy
i
Git
. Przed uruchomieniem laboratorium sprawdź zainstalowane narzędzia. Dwa pierwsze polecenia wypisują wersje. cd zmienia katalog roboczy, a ls wyświetla pliki. Zastąp przykładową ścieżkę rzeczywistą ścieżką do rozpakowanego folderu.
python3 --version
git --version
cd /path/to/effective-ai-course-lab
ls
W Windows PowerShell użyj py -3 --version, git --version, cd C:\path\to\effective-ai-course-lab i Get-ChildItem. Lista powinna zawierać task_report.py, tasks.json, tests i docs. Jeśli polecenie wersji zawiedzie, dokończ instalację przed kontynuowaniem.
pwd
python3 task_report.py tasks.json
python3 -m unittest discover -s tests -v
W Windows PowerShell zastąp pwd poleceniem Get-Location, jeśli wolisz, a python3 poleceniem py -3, gdy Python korzysta z launchera. Pierwsze polecenie pokazuje ścieżkę zakończoną folderem laboratorium. Sprawdź również nazwy plików. AGENTS.md.txt nie zastępuje AGENTS.md. W Eksploratorze plików włącz rozszerzenia nazw, aby widzieć pełną nazwę.
Oczekiwany wynik: raport podaje Total tasks: 4. Polecenie testów wymienia dwa testy i kończy się wynikiem OK. Po sukcesie powłoka zwraca kod wyjścia zero. Inna liczba lub traceback oznacza, że trzeba sprawdzić folder i konfigurację Pythona.
Czytaj polecenia na części. W python3 task_report.py tasks.json program python3 uruchamia Pythona, task_report.py jest programem, a tasks.json wskazuje dane wejściowe. Wypisana liczba to wynik, nie następne polecenie. Po błędzie macOS i Linux wyświetlają stan przez echo $?. PowerShell udostępnia status ostatniego natywnego programu przez $LASTEXITCODE.
Po instalacji Pythona zaplanuj około dziesięciu minut na pierwsze uruchomienie: rozpakuj laboratorium, uruchom raport i porównaj sumę z czterema wpisami w tasks.json. Otwórz JSON w edytorze tekstu i policz wpisy samodzielnie.
Ćwicz bezpiecznie z Git
Uruchom Git tylko w rozpakowanym folderze laboratorium. Te polecenia zapisują lokalną migawkę. git status pokazuje zmienione pliki. git diff pokazuje zmienione wiersze po edycji śledzonego pliku.
git init
git add .
git commit -m "Stan bazowy laboratorium kursu"
git status --short
Oczekiwany stan: po commicie nie wyświetlają się nazwy plików. Jeśli Git pyta o imię i e-mail, ustaw w tym folderze tożsamość przeznaczoną tylko do laboratorium i ponów commit. Zastąp przykładowe wartości prywatnymi. Nie wklejaj danych tożsamości ani dostępu do publicznego czatu.
git config --local user.name "Osoba ucząca się"
git config --local user.email "[email protected]"
git commit -m "Stan bazowy laboratorium kursu"
git status --short
Reset nie wymaga polecenia Git. Zapisz notatki poza laboratorium, usuń rozpakowaną kopię ćwiczeniową i ponownie rozpakuj oryginalny ZIP. Zrób tak, gdy zmiana z lekcji pozostawi program w nieznanym stanie.
Chroń miejsce do ćwiczeń
Używaj syntetycznych przykładów. Nie przesyłaj prywatnych dokumentów do projektu kursu. Nie umieszczaj kluczy API w promptach, plikach źródłowych, zrzutach ekranu ani commitach. Dostęp agenta do plików i poleceń zależy od uprawnień i otwartego folderu. Sprawdź oba elementy, zanim pozwolisz mu działać.
Przed przesłaniem sprawdź udostępnianie. Pliki projektu mogą być dostępne dla członków projektu. W rzeczywistej pracy stosuj politykę swojej organizacji. Kurs używa fikcyjnych danych, więc samo laboratorium nie wymaga specjalnej zgody.
Ćwicz i sprawdź
Twój wynik: zapisz wybraną ścieżkę, pięć pól kontroli wstępnej, liczbę z raportu, wynik testów i metodę resetu. Użyj nowej kopii laboratorium, aby potwierdzić, że umiesz je zresetować.
Oczekiwany wniosek: wiesz, którego folderu dotyczą polecenia, odróżniasz lokalny Git od hostingu i masz sposób odzyskiwania przed edycją plików przez agenta.
Sprawdź zrozumienie
-
Pytanie: Czy wprowadzenie wyłącznie w przeglądarce kończy lokalną ścieżkę laboratorium? Odpowiedź: Nie. Pełna ścieżka wymaga lokalnego stanu bazowego Pythona i Git.
-
Pytanie: Co należy zachować przed zmianą tymczasowego laboratorium? Odpowiedź: Wynik zaliczonego testu startowego i czysty punkt przywracania.
Rozwiązywanie problemów
- Brak polecenia Python: zainstaluj Python 3 z oficjalnego źródła i ponownie otwórz terminal.
- Nie znaleziono pliku: sprawdź katalog roboczy i wyświetl pliki rozpakowanego folderu.
- Testy się nie uruchamiają: użyj dokładnego polecenia z pliku README rozpakowanego laboratorium.
- Git prosi o tożsamość do commitu: skonfiguruj Git lokalnie i nie zapisuj wybranych wartości w notatkach kursu.
Następne kroki
Przejdź do niezawodnego przepływu pracy z AI . Pierwsze ćwiczenie używa tego samego syntetycznego warsztatu, zanim dowolne narzędzie otrzyma prawdziwe pliki.
Nawigacja kursu: Plan kursu .