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

  1. Pytanie: Czy wprowadzenie wyłącznie w przeglądarce kończy lokalną ścieżkę laboratorium? Odpowiedź: Nie. Pełna ścieżka wymaga lokalnego stanu bazowego Pythona i Git.

  2. 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 .