> ## Documentation Index
> Fetch the complete documentation index at: https://labs.prompthon.io/llms.txt
> Use this file to discover all available pages before exploring further.

# AI 原生实习专项

> PT01：面向全栈与 Agent 工程的三阶段专项，从个性化辅导到开源贡献和导师监督下的真实项目实践。

<div className="not-prose my-4 rounded-md border border-gray-200 bg-gray-50 p-2 text-sm dark:border-gray-800 dark:bg-gray-900/40">
  <div className="mb-2 px-1 text-xs font-semibold uppercase tracking-wide text-gray-500 dark:text-gray-400">需要帮助？</div>

  <div className="flex flex-wrap gap-2">
    <a className="inline-flex items-center gap-2 rounded-md border border-gray-200 bg-white px-3 py-1.5 font-medium text-gray-700 no-underline shadow-sm hover:border-gray-300 hover:bg-gray-50 dark:border-gray-800 dark:bg-gray-950/60 dark:text-gray-200 dark:hover:bg-gray-900" href="https://discord.gg/sDE2HhGTg4" target="_blank" rel="noreferrer">
      <Icon icon="discord" iconType="brands" size={14} />

      <span>在 Discord 提问</span>
    </a>

    <a className="inline-flex items-center gap-2 rounded-md border border-gray-200 bg-white px-3 py-1.5 font-medium text-gray-700 no-underline shadow-sm hover:border-gray-300 hover:bg-gray-50 dark:border-gray-800 dark:bg-gray-950/60 dark:text-gray-200 dark:hover:bg-gray-900" href="https://github.com/Prompthon-IO/agent-systems-handbook/issues/new/choose" target="_blank" rel="noreferrer">
      <Icon icon="github" iconType="brands" size={14} />

      <span>提交 GitHub Issue</span>
    </a>

    <a className="inline-flex items-center gap-2 rounded-md border border-gray-200 bg-white px-3 py-1.5 font-medium text-gray-700 no-underline shadow-sm hover:border-gray-300 hover:bg-gray-50 dark:border-gray-800 dark:bg-gray-950/60 dark:text-gray-200 dark:hover:bg-gray-900" href="https://github.com/Prompthon-IO/agent-systems-handbook/blob/main/zh-Hans/SUPPORT.md" target="_blank" rel="noreferrer">
      <Icon icon="life-ring" size={14} />

      <span>支持指南</span>
    </a>
  </div>
</div>

**专项 ID：** `PT01` · 专业类 · 实习型（参与真实项目）

AI 原生实习专项将学习与可验证的软件交付能力连接起来。学员构建现代全栈应用，通过公开的工程评审流程参与贡献，并为在现有客户项目或内部项目中接受导师指导开展工作做好准备。

本专项与六节课的 [GW02 · 专业 AI Agent 课程](/zh-Hans/skills/professional-ai-agent-course)是两条独立路径。实习专项包含三个阶段；其中的 4–6 次一对一辅导属于第一阶段，而不是整个项目。具体次数取决于学员已有技能的熟练程度。

## 项目概览

| 阶段               | 形式                                     | 核心成果证据                      |
| ---------------- | -------------------------------------- | --------------------------- |
| 1 · 个性化技术辅导      | 根据已有技能熟练程度安排 4–6 次一对一辅导，每次两小时，课间完成开发实践 | 已部署的全栈应用及 Agent/LLM 功能      |
| 2 · 开源贡献         | 范围明确的 GitHub 贡献周期                      | 有实质内容的公开 Pull Request 及评审记录 |
| 3 · 导师监督下的真实项目实践 | 匹配的客户或内部项目任务                           | 范围明确的交付、测试、文档及导师评审          |

第一阶段包含 4–6 次两小时辅导，具体次数与节奏在评估学员已有技能后商定。可按每周一次的节奏开展，并在辅导之间完成开发实践。当核心开发流程稳定后，进入第二阶段。第三阶段需经过能力评审和项目匹配。第二、三阶段的时长取决于所选 Issue 或项目范围，而非固定的课堂日历。

<Note>
  项目访问权限和参与机会不会自动获得。任务分配取决于已展示的能力、可用任务、项目匹配度及保密要求。Pull Request 是否合并仍须遵循仓库的评审标准。
</Note>

## 适合谁参加

本技术专项面向具备编程基础和一定应用开发经验、希望加强面向生产环境的工程能力的学员。辅导从非公开的既有作品、学习目标和待补足能力评估开始。

以下内容领域说明辅导覆盖的范围，而非固定的逐次课表。各领域的深度与重点将按个人情况调整，不要求重复学习已经掌握的技能。个人评估、简历、成绩和联系方式不进入公开手册。

在整个专项中，AI 辅助编程或“vibe coding”都应纳入工程流程：明确需求、规划小范围修改、实现、测试、评审并解释结果。学员仍需对正确性、来源核验、安全和沟通负责。

## 第一阶段 · 个性化技术辅导

第一阶段围绕同一个应用开展 **4–6 次一对一辅导**，具体次数取决于学员已有技能的熟练程度。以下内容可跨次辅导合并、调整顺序或反复练习，不将每个主题固定对应到某一次辅导。辅导从已有优势出发，聚焦能力缺口，并通过课间实践形成可评审的成果证据。

### AI 原生工程工作流与应用骨架

* **已有基础：** 编程、版本控制和既有项目经验。
* **新增能力：** 从需求到评审的工作流、规范的 AI 辅助编程、TypeScript 约定、基于 React 的全栈应用结构、分支与提交规范，以及架构说明。
* **成果证据：** 可运行的应用骨架，配套可复现的开发环境、任务计划、README 和架构图。

### React 与 TypeScript 前端工程

* **已有基础：** JavaScript、HTML/CSS 和已有前端经验。
* **新增能力：** 类型化的属性与状态、可复用组件、Hooks、表单及校验、路由、加载与错误状态、客户端/服务端边界，以及无障碍设计。
* **成果证据：** 可运行的类型化前端流程，具备可复用组件并能够对接真实 API。

### RESTful API 与后端契约

* **已有基础：** 应用逻辑、后端接口及职责分离。
* **新增能力：** HTTP 语义、资源建模、请求/响应校验、一致的错误处理、服务层与数据访问层边界、异步流程、集成测试和 API 文档。
* **成果证据：** 具有文档与输入校验的 API，以及连接前端操作与后端行为的测试。

### PostgreSQL、ORM 与安全认证

* **已有基础：** SQL、数据建模和基本用户账户概念。
* **新增能力：** PostgreSQL 数据库迁移、ORM 数据访问、关系与事务、OAuth/OIDC 概念、会话与令牌、受保护路由，以及基于角色的访问控制。
* **成果证据：** 包含登录、受保护路由、持久化数据、数据库迁移和 ORM 领域模型的安全端到端功能。

### 部署、测试与生产就绪

* **已有基础：** 基于 Git 的交付、调试和测试经验。
* **新增能力：** 环境与密钥管理、云部署、CI 检查、单元及集成测试、日志、错误监控、性能与安全基础，以及发布检查清单。
* **成果证据：** 已部署的应用，附环境配置文档、自动化检查、测试结果和生产就绪说明。

### Agent SDK 与 LLM 功能集成

* **已有基础：** 编程与数据处理经验；既有机器学习经验有帮助，但不作预设。
* **新增能力：** LLM 应用架构、作为软件输入的提示词、结构化输出、工具/函数调用、Agent 循环、SDK 集成、评估、失败处理、成本与延迟意识，以及安全回退。
* **成果证据：** 应用中一个可运行的 Agent 功能，以及说明行为、局限、测试和下一步改进的评估记录。

## 第二阶段 · 正式 GitHub 开源贡献

从辅导用练习仓库进入 [Prompthon Agent Systems Handbook 仓库](https://github.com/Prompthon-IO/agent-systems-handbook)。目标是完成真实的 Issue 到评审流程，留下工程判断与协作能力的公开证据。

### 贡献流程

1. 选择符合仓库待办任务和学员学习目标、范围明确的 Issue。
2. 阅读[贡献流程](/zh-Hans/contributor-kit/contribution-workflow)、相关仓库说明和现有架构或内容。
3. 创建分支，完成聚焦且便于评审的修改。
4. 根据来源材料和实际代码行为核验 AI 辅助成果，并运行相关检查。
5. 提交 Pull Request，说明问题、修改摘要、测试或其他证据，并在有帮助时提供截图。
6. 回应维护者评审、修订成果，并记录最终结果，无论是合并还是以已记录的反馈结束。

### 贡献范围示例

* **代码与示例：** Agent 工作流、集成片段、小型工具或测试改进。
* **技术文档：** 有来源支撑的 MDX 解释、阅读路径、配置指南和架构图。
* **仓库质量：** Issue 复现、测试基线、文档偏差检查或贡献工具。
* **开发者体验：** 文档站导航、内容结构和可运行的代码示例。

**目标证据：** 至少一个有实质内容且包含评审记录的公开 Pull Request。达到维护者标准后合并是理想结果，但不是参加专项即可保证的结果。

## 第三阶段 · 导师监督下的真实项目实践

经过能力评审和项目匹配后，在现有客户或内部仓库中承担范围明确的任务。此阶段引入真实需求、既有架构、评审标准、交付约束和团队沟通。

### 项目工作方向示例

以下类别描述可能的工作方向，并非已确认的开放岗位清单：

* **AI 原生应用与内部工具：** 全栈功能、API/数据/认证集成，以及 Agent 驱动的用户工作流。
* **产品现代化：** 对现有软件、界面、集成及交付方式进行渐进式改进。
* **数据与智能工作流：** 数据建模、分析界面、API 对接、自动化、评估和可靠性。
* **产品本地化与市场适配：** 根据目标用户和运行环境调整界面行为、内容及技术集成。
* **学习与社区基础设施：** 开源工具、技术文档、社区产品功能和运营自动化。

具体项目及访问权限在匹配时确认。不得从公开网站推断客户的非公开工作范围；保密代码、凭据、架构和需求只在正式分配任务并获得授权后共享。

### 交付要求

修改前先阅读仓库，解释其架构和数据流。澄清需求、商定范围明确的实施计划，并遵循项目既有约定。交付功能或修复时，提供测试、文档、可评审的 Pull Request 及项目检查结果。

按照团队约定的节奏沟通进展、阻碍、取舍和下一步。在项目保密与访问规则范围内使用 AI 工具，并保持从需求到实现再到验证的可追溯性。

## 项目分配前的能力评审

学员应能够：

* 用自己的语言解释第一阶段应用的架构和技术取舍。
* 通过日志或测试诊断并修复非简单错误，解释根本原因。
* 准备聚焦、有文档、可测试的 Pull Request，并建设性地回应评审。
* 在不泄露密钥、不绕过访问控制的前提下修改认证或数据处理逻辑。
* 独立核验 AI 生成的代码、行为和来源材料。
* 尽早沟通阻碍，并商定可行的下一步。

满足这些标准有助于项目匹配，但不会取消任务可用性、访问权限和保密要求。

## 预期成果与作品集证据

本专项强调实际展示的能力，而不仅是出勤：

* **构建：** 具备 API、PostgreSQL/ORM 和安全认证的 TypeScript/React 应用。
* **交付：** 已部署的环境，附配置说明、测试、自动化检查和运行维护记录。
* **集成 AI：** 具有评估证据和失败处理说明的 Agent/LLM 功能。
* **贡献：** 公开的 Issue、Pull Request 和评审记录，准确描述贡献状态。
* **参与既有系统：** 在有可用且获授权的任务时，完成范围明确的项目交付并保留评审记录。
* **沟通：** 清晰的架构/API 说明、进度更新、演示和技术取舍解释。

公开作品集不得包含个人评估细节、客户数据、密钥或未经批准的项目材料。仅描述实际完成的工作，并分享允许公开的证据。

## 相关学习资源

* [GW02 · 专业 AI Agent 课程](/zh-Hans/skills/professional-ai-agent-course) — 独立的六节短期课程。
* [实践者技能](/zh-Hans/skills) — 用于实践工作流的可复用技能包。
* [环境配置](/zh-Hans/reading-paths/environment-setup) — 准备开发环境。
* [贡献流程](/zh-Hans/contributor-kit/contribution-workflow) — 遵循仓库的贡献流程。