你可以使用 Claude Code，也可以使用 Codex Desktop，甚至两者配合：Claude Code 负责深度编码和代码审查，Codex 负责文件整理、部署、自动化和桌面操作。初级项目的目标不是“技术多复杂”，而是完整跑通：需求 → 计划 → 实现 → 验收 → 部署 → 复盘。：运用前五部分学到的方法，独立完成至少一个适合 Vibe Coding 的真实项目。前面的章节是"师傅领进门

在项目一中，你学会了用 Claude Code 做一个带 Web 界面的记账工具——那只是热身。本项目将带你从零构建一个真正可部署到互联网的 Web 应用：一个微型商城。更重要的是，本项目将全程演示 Claude Code 的 13 项核心功能。你不只是学会做一个商城，你还将学会如何把 Claude Code 用到极致。新手最容易犯的错误是：上来就让 AI 写代码。结果往往是 AI 写了一堆，方向

Skill（技能）是一个封装了特定能力的可复用指令集。打个比方：你每次做一道菜，都要从头回忆配料和步骤，很容易忘这忘那。但如果你把菜谱写下来，下次照着做就行了，还能分享给别人。Skill 就是给AI写的"菜谱" —— 把一个复杂的任务标准化、流程化，让AI每次都能按照固定的高质量标准执行。维度单次 PromptSkill性质一次性指令可复用的标准流程一致性每次输出可能不同每次按照同样的标准执行效率

你可以创建自己的斜杠命令，将常用操作封装成快捷方式。在项目根目录创建# 部署检查清单请执行以下部署前检查：1. 运行所有测试：npm test2. 检查是否有 lint 错误：npm run lint3. 确认 .env.example 已更新（如果添加了新的环境变量）4. 构建项目：npm run build5. 报告所有检查结果> /deployClaude Code 就会按照你定义的步骤执行

在深入了解具体工具之前，先快速认识一下目前最主流的几款AI编程工具——了解它们各自是什么、核心特点是什么，形成全局认知。要理解 Claude Code 与你以前用过的 ChatGPT、Claude.ai 的本质差别，必须先弄懂一个机制 ——LLM Loop（大模型循环）。对话式 AI（ChatGPT/Claude.ai）的工作方式：你问一句 → 它答一句 → 结束。如果答案不满意，你再问一次。主动

在深入了解具体工具之前，先快速认识一下目前最主流的几款AI编程工具——了解它们各自是什么、核心特点是什么，形成全局认知。要理解 Claude Code 与你以前用过的 ChatGPT、Claude.ai 的本质差别，必须先弄懂一个机制 ——LLM Loop（大模型循环）。对话式 AI（ChatGPT/Claude.ai）的工作方式：你问一句 → 它答一句 → 结束。如果答案不满意，你再问一次。主动

在工作中，通过飞书机器人推送消息的需求还是挺常见的，例如，推送监控报警、创建文档、账单确认等。在该类场景下，我们可以在群组中添加自定义机器人，自定义机器人默认提供。地址，即可将外部系统的消息通知即时推送到群组中。自定义机器人也包含了 自定义关键词、IP 白名单 和 签名 三种维度的安全配置，便于控制。是https://open.feishu.cn/open-apis/bot/v2/hook/作为常

上一节课的逻辑推理能力能够让你从零散的信息中提炼出结论，不过这种能力只能解决简单问题。简单问题就像是学生时代的计算题，这类题目明确告诉你要做什么，你只需要套用方法解答就行，放到工作中便是“预测销量”“现状描述”等这些简单的问题。但学生时代有一种很讨厌的考题，那就是简答题。简答题问得很不明确，没办法直接套用现成的方法，类似于“文章表达了作者怎样的思想感情？”现在好不容易毕业了，做了数据分析，结果发现

身处 AI 浪潮之中，每天都有层出不穷的新概念和新工具从我们身边呼啸而过。MCP、Skill、ReAct、Context Engineering，Auto Resarch、Agent Harness…… 当我们还在努力理解上一个技术热点时，新的浪潮已然涌来。面对这些抽象的概念，如果缺乏亲手实践带来的直观感受，我们很容易在理论的迷雾中失去方向，从一个模糊的认知漂流到另一个未知的概念，焦虑与困惑也随之

本系列将从零开始，用 Go 语言实现一个具备基本功能（工具调用、循环思考、MCP、Skill）的 Agent代码仓库：https://gitee.com/lymgoforIT/learn-agent（chapter1对应第一部分的代码，以此类推）