Skip to content
项目

caozhiyi/ai-programming-book

在 GitHub 查看

caozhiyi/ai-programming-book has 45 GitHub stars and 4 forks. GitHot measured 0 stars in 24 hours and 0 in 7 days. Last checked 2026-11-22 00:27 UTC. Last push 2026-11-20.

这些数字如何统计

实测星标增长

24小时
0
7天
0
15天
正在收集历史
1个月
正在收集历史

各周期内的星标净变化,周期相互重叠,并非每日新增。缺失的测量保持空白。星标代表关注度,不代表软件质量。

关于

"The First Principles of AI Programming" Open Source Book. Starting from the underlying physical constraints of large models, it deduces the operational mechanisms of agents and the engineering practices of AI programming systems.

人工智能

README_cn.md

原文

AI 编程的第一性原理

不是教你"怎么用 Cursor",而是带你把 AI 编程系统从底层推导出来

在线阅读 章节 作者 License

📖 一本写给"AI 编程深度使用者"的原理之书 · 全文免费在线阅读

📄 English README


🤔 你是不是也遇到过这些问题?

  • AI 自信满满地给你一段代码,编译通过、看起来没问题,跑起来就是不对
  • 你让它修,它改完一处又引入新问题,陷入"AI 修 AI"的死循环
  • 你不知道什么场景该用 RAG,什么场景该用微调,什么场景该堆长上下文,全靠试
  • Cursor、Claude Code、Copilot、各种 Agent 框架眼花缭乱,每出一个新工具又要从零学
  • 写 Prompt 像玄学,有效的不知道为什么有效,无效的也不知道为什么无效
  • 看了无数"AI 编程教程",感觉懂了,遇到新场景又懵了

如果以上有任何一条戳到你,这本书就是为你写的。


🎯 这本书在做一件不一样的事

市面上 99% 的 AI 编程内容,都在教你"怎么用"——怎么写 Prompt、怎么配置 Cursor、怎么调 API。

这本书走的是另一条路:

每一个概念都不是凭空出现的产品功能,而是从底层原理一步步"推导"出来的必然结果。

流行教程教你 这本书让你理解
上下文窗口怎么配置 上下文窗口为什么是注意力机制 O(n²) 复杂度的物理约束
怎么搭一个 Agent Agent 为什么是工具调用能力出现后的必然架构
RAG 怎么实现 RAG 为什么是上下文有限这个约束下的工程权衡
MCP 协议怎么用 MCP 为什么会出现,如果没有它会发生什么

当你理解了"为什么",面对任何新工具、新概念、新范式,你都能问出正确的问题:

它解决的是什么问题?代价是什么?边界在哪里?

这是一本反工具教程的书。工具会过时,原理不会。


👥 这本书适合谁

✅ 适合:

  • 已经在用 AI 编程,但想从"能用"进阶到"用好"的工程师
  • 在团队中负责 AI 工具选型 / Agent 架构设计的 Tech Lead
  • 想搞清楚 RAG、Agent、MCP、Skill 这些概念底层逻辑的开发者
  • 厌倦了"教程一更新工具就过时"的人

❌ 不适合:

  • 完全没有编程经验的初学者(建议先有真实项目经验)
  • 想深入 Transformer 数学细节的 ML 研究者(这是一本工程书)
  • 只想抄一段 Prompt 就上线的"AI 调用方"

📖 在线阅读

🌐 推荐阅读方式:在线版(mkdocs) 提供完整的目录导航、暗黑模式、代码高亮和 20+ 配图。

或者点击下方目录直接跳转到 GitHub 上的 Markdown 文件。


📚 章节目录

全书分为 4 卷 15 章,沿着一条严格递进的逻辑主线展开。每一卷都是下一卷的前提。

📘 卷一:大模型的运行真相

不理解模型本身,所有上层讨论都是空中楼阁。

📗 卷二:从对话到自主

从"你问它答"到 Agent 自主执行任务,到底跨越了什么?

📙 卷三:记忆与上下文工程

AI 系统怎么"记住"你?为什么 Token 是一种经济学?

📕 卷四:工程化与组织化

零件装成系统之后,问题开始往真实代码库、真实生产、真实团队、真实组织里渗透。

📎 附录


💡 这本书的几个特点

1. 每个结论都从前置原理推导而来

你不会看到"业界推荐用 RAG"这种结论。你会看到:因为上下文窗口有限 → 所以需要外部知识 → 检索方式有几种权衡 → RAG 是某种约束下的最优解。

2. 配套 20+ 张原创结构图

关键机制(Token 化对比、ReAct 循环、MCP 架构、Skill 动态加载、记忆流水线、信任边界分层……)全部配有 SVG 结构图,看图就能理解一半。

3. 有"反面案例"系统呈现

不只讲"为什么需要 X",也讲"X 被滥用时会怎样"。第 7 章专门讨论 Agent 的失败模式,这是大多数书避而不谈的部分。

4. 强调"边界感"

每一项技术都有适用边界。书中明确告诉你:什么场景下该用,什么场景下不该用,临界点在哪里。

5. 不会过时

不教任何具体工具的用法。只讲底层原理。Cursor 可能明天被替代,但 Token、注意力、上下文、Agent 的本质不会变。


🧰 配套 Skill 包

书里讲的是"为什么",这套 skill 是"怎么做"——把第 11 章的规范驱动、第 13 章的代码评审,以及"每个阶段都产出一份落盘产物"这套流程,固化成能被 AI 编码工具直接加载的规程。

Skill 职责 管哪些阶段
ai-full-lifecycle 编排层:判定阶段、路由子 skill、管产物落盘与跨会话交接 全程
spec-writing PRD、设计文档、E2E 用例文档、交付文档的骨架与验收标准 需求 / 设计 / 用例 / 交付
ai-coding-discipline 编码期约束:开工校验、推进顺序、单测有效性 编码 / 测试脚本 / 回归
ai-code-review 多身份评审清单 + 人类终审聚焦项 评审

安装:

git clone https://github.com/caozhiyi/ai-programming-book.git
cd ai-programming-book

cp -r skills/* ~/.codebuddy/skills/                    # 全局可用
# 或 cp -r skills/* your-project/.codebuddy/skills/    # 项目级,随仓库共享

完整说明见 skills/README.md。


🚀 怎么开始读

🍱 时间充裕(推荐):从头读到尾

每一章的结尾都自然引出下一章的问题。这条逻辑链本身就是理解 AI 编程系统的最佳路径。

⚡ 时间紧张:先读卷导读

每一卷开头都有"导读",告诉你这一卷要解决什么问题、核心结论是什么。先读导读,再决定深入哪些章节。

🎯 带问题来:直接跳读

  • 想搞清楚 Agent 失效 → 直接读第 7 章
  • 想理解 AI 在大型代码库里怎么找到相关代码 → 直接读第 10 章
  • 想搞清楚 AI 进入团队后协作怎么变 → 直接读第 14 章
  • 想搭 组织级的 AI 能力底座 → 直接读第 15 章

🛠️ 本地构建(可选)

如果你想本地运行 mkdocs 站点:

# 安装依赖
pip install -r requirements.txt

# 启动本地服务(默认 http://127.0.0.1:8000)
mkdocs serve

# 构建静态站点
mkdocs build

🌟 关于作者

曹智轶(caozhiyi),系统架构师,十年研发经验,专注分布式系统架构、高性能网络、底层系统开发与 AI 工程——研究大模型真正落地时才浮出来的系统工程问题。现于一线云厂商从事基础设施研发。这本书不是空想出来的——它来自作者使用 AI 编程工具时遇到的具体困惑、解决困惑过程中沉淀的方法论。

  • 🌐 个人网站:caozhiyi.cc
  • 🔗 GitHub:github.com/caozhiyi
  • 📧 邮箱:[email protected] — 勘误、交流、转载事宜均欢迎
  • 📮 公众号:煮码宝藏 — 持续分享 AI 编程的深度思考、系统设计与架构方法论、网络协议等底层技术

公众号二维码


🤝 参与与反馈

这本书还在持续打磨中,欢迎你以任何方式参与:

  • 🐛 发现错别字、技术错误?→ 提 Issue
  • 💡 觉得某个推导链可以更扎实?→ 提 PR 或 Issue
  • ❓ 有读不懂的地方?→ Discussions 提问
  • ⭐ 觉得有用?点个 Star 是对作者最大的支持

每一个 Issue 我都会认真回复。


☕ 赞赏与支持

如果这本书对你的日常开发、架构选型或者认知升级有所启发,欢迎请作者喝杯咖啡,你的支持是我持续创作与维护的最大动力!

微信打赏        支付宝打赏

📜 协议

本书采用 CC BY-NC-SA 4.0 协议。

简单来说:

  • ✅ 你可以自由阅读、复制、传播本书内容
  • ✅ 你可以基于本书内容做修改和二次创作(需要署名 + 同样开放)
  • ❌ 不允许商业用途(不能拿去出书卖钱、不能放进付费课程等)

如果这本书对你有帮助,请点一个 ⭐ Star,这是对作者持续创作最大的鼓励。

探索相关项目

加载中…