30 篇走完了，写最后一篇不教技能而讲成长：你现在是什么角色、什么是 next level、未来一年要让哪些心态和动作升级。最后一篇是给你自己做年度复盘时用。

30.1 五个阶段——你处在哪一段

我把观察到的 AI 开发者划为五段：

┌─────────────────────────────────────────────────────────────┐
│ L1 Prompter     —— 把 AI 当谷歌，单向 use                    │
│ L2 Pair Coder   —— 用 IDE + L1/L2 偶尔协作,慢慢看 diff          │
│ L3 Vibe Coder   —— 完全反向: 描述意图 + 沉淀 skill + Agent loop│
│ L4 Harness Builder —— 自己搭/二开 harness / MCP / skill 库     │
│ L5 AI Engineer —— 设计团队 AI workflows + 治理 + 教学辐射      │
└─────────────────────────────────────────────────────────────┘

每个阶段的 transition 大约需要 4-6 个月的连续练习。下面给五种"晋级题"。

30.1.1 L1 → L2（你的第 1 个月）

你 todos 现在: 偶尔有"AI 给我助"的意念，但仍然逐字敲。目标 transition 到"开始审查 AI 输出"。

问 → 答 行动
我能不能让 AI 帮我 boilerplate? 启用一 L1 (Copilot / Continue)，多用 Tab + chat 补全
我能不能 review AI 5 行以内? 每次接受 AI 输出前,默读 5 秒
我能不能记下来"AI 哪里好哪里差"? 一周记一次日记

30.1.2 L2 → L3（第 2-4 个月）

意识到"我和 AI 协作"是的律：节奏律 + 沉淀 + 不放任。

问 → 答 行动
我能不能不敲代码,只描述意图? 用 Opus 4.x 让它写整段,目标 5+ 段不修
我能不能写一份"固定的 system prompt"? 把你 review 风格 / commit 规范写到 AGENTS.md
我能不能 30s 做完 quick loop? 把每个 task 拆到 30s 看到结果

30.1.3 L3 → L4（第 5-9 个月）

从用 harness 到改 harness——写 MCP, 写 skill 包, 改 OpenCode 的 plugin。

问 → 答 行动
我能不能开一个 MCP server? 第 17 章 workflow 跑一遍
我能不能让一个 agent loop? 第 10 章写 30 行 loop 跑起来
我能不能发布一个 public skill? 第 22 章 skill 公开发布

30.1.4 L4 → L5（第 10-14 个月）

从单兵到 team velocity——把 vibe 推到团队、训练人、设计 workflow。

问 → 答 行动
我能不能让 5 人团队都用我的 skill? 第 24 章 plugin catalog 路径
我能不能一次让 4 个 Agent 协作? 第 27 章 multi-agent weekly triage 跑起来
我能不能在 CI 上跑 AI autobahn? 第 29 章 GitHub Actions
我能不能写一篇完整的技术文章总结经验? 现在就开始，半年迭代

30.1.5 L5 → 持续精化（第 15+ 月）

你心态转变：从"AI 工具使用者"到"AI 工程师 思想者"。你不再追新工具，开始教别人，开始定义"如何用 AI 不是漂浮姿势"。

30.2 五个永久原则

写得过这些 30 篇后，你才能放下部分。这是成熟中的 5 条：

原则 1：AI 工具每月变, “你如何协作"不变

2024 工具是 Copilot Whisper，2026 是 Claude Opus 4.x agent，2028 大概率是别的形态。Spec 变但不老的:

  • 意图描述清晰性
  • 输出评审耐心度
  • 经验沉淀可复用性

原则 2：永远让 AI 写 code 比你看 code 慢

AI 出 200 行是廉价的,1 分钟读完看懂 200 行是必要的。**你的 defaultdict 节奏律要慢于 AI 的产节奏。放手让你"快速接受 200 行"的人,半年后技术债爆炸是必然。

原则 3：Skill 是数据 不是软件

Skill 不是代码库，更接近"工程文化数据”。重要的不是 git 也涨 :commit，而是 trigger 文件人人能改、references 人人能加。“沉"是动词不是名词。每月迭代,比千万行代码重要。

原则 4：Agent 是体力 io 不是 戏定边界

Agent 球在场罗稳;擅长"探索 + 试验 + 检索” 实务工作中,出了 sandbox 也好;但关键决策还是人。第 28 章重构 5000 LOC 不能让 agent 决定 “还是测试 / 文档 / 离谱” 的 windows。

原则 5：AI 工程是双轨工程

技术证 - bottom-up(prompt, MCP, agent loop) 处理: if/program: 顶层决策 (product, team, process) always matters. 技术处理决策, 让你 100 条人是 清楚deep ::$100:大部分 库深 技本栈

升 Investigation of 9 出 mentor-for.

30.2.1

回到第 18:你- 的朗朗 心

30.3 90 天行动计划

挑你在哪段后,对应行动计划:

Day 0-30：固化基础

□ 启用 Claude Code / OpenCode（三选一,任选其一）
□ 读项目 README + AGENTS.md, 与你现有项目对齐
□ 第 3 / 4 / 5 篇各读两遍,各写一题练习
□ 启用 realistic test: 每周 一次完整 AI-assisted code 加 commit

Day 31-60：沉淀机制

□ 把自己第 1 个月好的 prompt 改写为 system prompt
□ 跑第一遍 5 文件起手包,可 commit 历史 trace
□ 写第一个 skill: 第 22 章 docs-update 风格
□ 跑第一次 weekly triage: 第 27 章
□ 写一份 30-day retrospective (1 篇 markdown)

Day 61-90：升 harness + 团队

□ 第一次写 MCP server: 第 17 章
□ 跑一次 graph workflow: 第 28 章
□ 把 1 个 skill publish 到团队 / 公司内部
□ 跑 GitHub Actions AI CI (第 29 章 PR review)
□ 给团队做一次内部分享 (3 周)

30.4 建议 阅读、社区与社区

30.4.1 站()

Anthropic Blog (Anthropic 主页) - Tool use, prompt caching, work-token Offical MCP 文档 - 协议版本变更 OpenCode docs (opencode.ai/docs) - 我们的 harness 长文

30.4.2 social

Lesswrong & EA Forum: 大模型风险研究的学术空间 Aider Discord: open source harness community

30.4.3 source

obra/superpowers: 第 13 章 superpowers 起源的 skill 集 anthropic/claude-code repo: 看 prompt/mode 提案 LangGraphCodec: Graph workflow 实现参考

30.5 一份"每月 ritual" 建议

每月最后一周:

1. 看 30 天的 .opencode/log (第 14 章 trace)
   - 哪个 skill 触发了多少次?
   - 哪个 prompt 反复出现?

2. 选 1 个最常用的 prompt
   - 改写为 skill (第 21 章 7 原则)
   - 上 plugin repo (第 24 章)

3. 选 1 个最新话题 MCP / agent /
   - 每月学一个新的能力 (MCP / graph / sampling)

4. 写一篇 1 页 retrospective

5. 考: 1 个可公开的 skill 上 github
   被其他工程师发现,反馈触发你下月优化

6. 团队学习局: 月内分享 1 次,range 5-30 分钟

30.6 写给还在 L1 / L2 的你

如果你还在 L1 / L2，下面三件事比读完 30 篇更值：

  • 别只想 prompt：学 30 个 prompt 模板不等于"会用 AI"。真正能复利的是把 prompt 沉淀成 Skill，让它在你不在场也能复用。
  • 请主动接受失败：一开始你写的 prompt 大概率有 30% 不到你预期。把"失败 → 改 → 再跑"作为节奏律而不是挫败感来源。
  • 找一个真实问题：别用"todo app demo"练手。找一个你自己愿意用一周的内部小工具——那才有让你坚持的真实痛点。

30.7 写给已经到 L3 / L4 的你

你已经"会 vibe coding"——但还有几道坎需要跨：

  • 从快到稳：你的 speed 不再是 advantage，stability is。让团队 review 你的 skill 沉淀比你自己跑赢一周内别人做不了的任务更重要。
  • 从单兵到团队复利：把你的 skill 推到 plugin repo；写一份 CHANGELOG 让人能 follow；开一个 “#ai-skill-help” 频道让同事能求助。
  • 教比做更重要：你做出 1 个高级 Skill 只值一周；你教出 3 个 L3 同事值一季。

30.8 30 篇压缩成 5 分钟地图

基础篇 (01-08)    :  认知 + Prompt + RAG + 工具选型 + 环境
Agent 篇 (09-14)  :  ReAct + Loop + Graph + Harness + Subagent + 可观测性
MCP 篇   (15-19)  :  协议 + 生态 + 开发 + 进阶 + 未来
Skill 篇 (20-24)  :  概念 + 设计 + 编写 + 测试 + 库管理
实战篇   (25-30)  :  docs skill + MCP server + multi-agent + graph 重构 + CI + 终章

把这张图贴墙上，每月对照自检一次：本月你在哪一层下了功夫？哪一层吃老本？

30.9 未来 12 个月我会关注的引擎

Skill spec 标准化:  跨平台 / 跨 harness 兼容的 plugin spec 演化
MCP 状态层:        long-running MCP server 的 state protocol
Agent swarm 经济学: multi-agent team-budget / 类型调度
local-first Agent:  边缘小模型作为 subagent 的运行基础
AI 工程市场:        类似 npm 的 skill / MCP 工具市场
中国 AI 工程:       国产模型 + 国产 skill 生态 双轨

哪个先成熟，哪个就会改变下一年的格局。敏锐的人提前 6 个月关注，等标准出齐才来跟的人注定撞天窗。

30.10 致谢

这个系列开始于一个朴素的疑问：“我能不能让一个完全没接触过 vibe coding 的同事，用 30 篇文章的时间变成跟我一样会用 AI 的人？”

写着写着我发现，“会用 AI” 这件事不是终点——它是你接下来每年都要迭代的状态。30 篇不会让你"毕业"，只让你拿到下一次迭代的入场券。

感谢所有在 OpenCode / Claude Code / Codex 社区分享 trace、skill、和 bug 的工程师——你们沉淀的 failure mode 让我少踩了一半坑。

30.11 给你的一句话总结

AI 不是替你打字的人，是陪你想清楚问题的人。 30 篇里教的不是"怎么让 AI 干活"，是"怎么让你自己也会干活"。

30.12 你的下一步

第 31 天，从这个清单里挑一件做：

  1. 关掉一个你已经做完的项目，不再回头改
  2. 翻你这一个月的 .opencode/log/，找出一个最常出现的 prompt
  3. 把它写成第一个 skill，publish 到你公司 internal git
  4. 跑一次 monthly ritual（见 30.5）
  5. 给一个从未用过 AI 协作的同事讲 10 分钟你学到了什么

教是学的高级形态。你说给他听的 10 分钟，会让你比读 30 篇更清晰。

下一篇？没有了。下一次见，是在更高阶的 marketplace——你自己写自己的下一系列。

Summary: 终章 = 阶段自检 + 5 条永久原则 + 90 天行动 + 月度 ritual + 5 分钟地图；30 篇不会让你毕业，只让你拿到下一次迭代的入场券。