跳到主要内容

本章导读

“纸上得来终觉浅，绝知此事要躬行。”软件工程的核心在于真实场景下的项目实践。

在完成了基础工程环境的构建后，本章将全面引入现代前端开发的最前沿范式——基于大语言模型（LLM）的智能辅助编程。本章将打破传统的“语法优先、机械记忆”的学习路径，指导学习者在零代码编写基础的前提下，通过结构化的“提示词工程（Prompt Engineering）”，驱动 AI 辅助工具完成代码生成与重构。

学习者将沉浸式体验现代软件工程中主流的“敏捷迭代式开发”工作流：从构建最小可行性产品（MVP）起步，逐步引导 AI 完善底层数据逻辑与前端视觉交互，最终独立完成一个功能完备的 Web 应用闭环。本章不仅传授工具的使用，更侧重于培养开发者在 AI 时代的核心竞争力——即工程化拆解能力与系统级架构思维。

【学习目标】​

本章的学习目标旨在实现知识构建、工程能力提升与新型职业素养培育的有机统一：

1. 知识目标​

  • 深刻理解 AI 辅助编程（如通义灵码等国产大模型）在现代软件工程中的应用场景与人机协同原理。
  • 掌握“提示词工程（Prompt Engineering）”的核心语法范式及“敏捷迭代式开发”的宏观概念。

2. 能力目标​

  • 能够使用严谨的自然语言与专业工程术语准确描述业务需求，引导 AI 智能生成、重构 Web 前端代码。
  • 具备对 AI 生成代码进行逻辑审查、结构验证以及常见运行错误（Bug）的追踪与回测反馈能力。

3. 素养目标​

  • 人机协同与创新思维：主动拥抱人工智能带来的产业级变革，培养与大模型高效协同的现代计算思维与创新意识。
  • 安全红线与主导意识：客观审视 AI 输出的代码质量，坚守“人机协作、人为主导”的技术伦理原则，建立严谨的代码审查机制与网络安全责任感。

【本章重难点】​

  • 教学重点：掌握结构化、指令化提示词的编写规范；跑通“需求输入 -> 代码生成 -> 预览测试 -> 缺陷反馈”的完整迭代闭环。
  • 教学难点：在多轮复杂的代码迭代中，精准识别 AI 产生的逻辑错位或“代码幻觉”；掌握通过精准反馈引导 AI 进行状态回滚与错误修复的进阶沟通策略。