附录

A. 术语表

• 上下文窗口 📘 必学 （stage0-2 会用到）：大模型一次能"看到"的 token 上限（Claude ~1M），填满后性能下降——本教程一切用法的约束原点。
• Agent 📘 必学 （stage0-2 会用到）：大模型 + 工具的组装体，能感知和改变外界。
• REACT 📘 必学 （stage0-2 会用到）：Thought→Action→Observation 循环的 Agent 运行模式。
• RAG 📘 必学 （stage0-2 会用到）：检索增强生成，先检索知识库再喂模型，减少幻觉。
• 代码知识图谱 🔧 进阶 （stage3-6 / 大型团队）：把代码索引成节点+边的图，供 AI 确定性查询（替代盲读）。
• SDD 🔧 进阶 （stage3-6 / 大型团队）：规范驱动开发，spec/plan/tasks 三产物，纠错左移到 Markdown。
• Skill 📘 必学 （stage0-2 会用到）：可复用工作流/领域知识，两级加载（description 常驻 + 正文按需）。
• MCP 📘 必学 （stage0-2 会用到）：Model Context Protocol，AI 连接外部数据/能力的开放协议。
• OpenSpec / Superpowers 📘 必学 （stage0-2 会用到）：规范驱动框架 / 自动化执行框架，两者互补。
• Co-authored-by 📘 必学 （stage0-2 会用到）：Git commit trailer，AI 工具默认埋点，用于度量 AI 代码占比。
• HNSW / CrossEncoder 🔧 进阶 （stage3-6 / 大型团队）：向量库图索引算法 / RAG 重排序模型。

B. 配套源码索引

本教程强绑定以下真实项目（均在企业内部 paas 平台，章节对应）：

• 业务 RAG 服务（阶段3）：向量库抽象 + Milvus + 两阶段检索重排。
• 代码图谱工具（阶段3·代码图谱）：推荐开源 codebase-memory-mcp（Tree-sitter + 知识图谱 + MCP 工具集）。
• 团队 Skill 仓库（阶段3/6）：编排型工作流 + 领域 Skill + 强制激活 hook。开源平台推荐 iflytek/skillhub（自托管私有 Skill 注册中心，Apache 2.0）。
• MCP 网关服务（阶段3）：Spring AI Alibaba + Nacos 动态工具发现。
• AI 代码占比工具（阶段5）：Go，Co-authored-by + 风格学反伪造。
• PPT 生成服务（AI 应用扩展）：Dify 编排 + FastAPI 渲染。
• AI 自动化测试框架（测试）：Playwright + 数据驱动 + 录制转 AI 生成。详见 《AI 自动化测试：方法论与实践》。
• AI RAG 端到端 demo（阶段3·业务知识 RAG）：zvec 三级递进（L1 纯向量 → L2 +FTS 混合（RRF 融合）→ L3 +CrossEncoder 重排）+ 自动化评估（recall@k / MRR，faithfulness 留接口），见 demos/rag-service。
• AI 代码度量四维度升级（阶段5）：在原 code 维度（Co-authored-by + 风格学反伪造）基础上新增 quality / cost / agent 三维度（--dim code/quality/cost/agent），见 demos/ai-metrics。
• Skill 范式新增三例（阶段6·沉淀复用）：brand-guidelines（规范型：设计 Token / 平台规范，让 AI 输出符合团队设计规范）/ perf-diagnosis（诊断分析型：只读性能诊断不改代码）/ session-memory（记忆型：跨会话持久化，按项目隔离）。
• 多 Agent 编排方法论与范例（阶段5·推广）：编排决策方法论 + Anthropic 五模式 + cookbooks 补充（orchestration-patterns.md）/ Swarm 与 code-review 两个完整 example，见 orchestration-patterns、swarm-example、code-review-example。

C. 技术栈全景

大模型 / Agent：Claude Code（Opus/Sonnet/Haiku）、Codex、Spring AI / Spring AI Alibaba。

RAG / 向量：Milvus、Chroma、BGE-M3、DashScope Embedding、CrossEncoder。

代码图谱：Tree-sitter、LadybugDB、MCP TypeScript SDK。

编排：OpenSpec、Superpowers。

基础设施：Nacos、Dubbo、K8s、Docker、PostgreSQL、Redis。

测试 / 度量：Playwright、pytest、go-git、Cobra/Viper。

D. 延伸阅读

• 角色操作手册（本地，自包含）——4 份角色手册（开发/测试/组长/产品）
• 汇报材料 AI 生成指南（本地，自包含）——5 类汇报 prompt 模板包 + ppt-master 生成可编辑 PPT
• AI 自动化测试：方法论与实践（本地，自包含）——录制转生成四段式 + 规范即 Prompt
• Claude Code 完全手册（本地，自包含）——15 章配置大全
• Claude Code 官方文档：code.claude.com/docs（Skills / Agents / Hooks / MCP）
• MCP 协议规范：modelcontextprotocol.io
• Spring AI Alibaba：java2ai.com
• OpenSpec：openspec.dev；Superpowers：github.com/obra/superpowers
• 微软 AI-For-Beginners（中文版）：github.com/microsoft/AI-For-Beginners/translations/zh-CN（12周24课，AI 基础原理 + 代码实践，MIT 开源）
• Milvus 混合检索、Tree-sitter、Playwright Best Practices

E. 关于

本教程由 Johnson（技术总监 / 首席架构师）整理，基于 80+ 人研发团队、千万级用户平台的真实 AI 提效战略转型全过程。核心理念：AI 能提效、能大幅扩展人的能力边界，但 AI 不是万能的——最终依赖使用人的能力边界。先转变思想、拥抱 AI，再懂原理、精准交互。 人 + AI，人是根本。

配套资料：技术能力档案 · 充电档位定稿 · B站视频选题库。本教程自包含，整个目录可独立拷贝交付。