从零开始学AI：高效学习+2026入行全指南

零代码开发实战

导图版

核心概念总结

大家在使用AI编程工具时，很容易混淆各类核心概念（如Rules、Command、skill技能、MCP等），不清楚什么时候该用哪个、各自的区别是什么。本文结合实操经验，先讲解AI编程的两个基础前提——上下文和外部连接，再逐一拆解7大核心概念，用通俗易懂的语言说明每个概念的定义、触发方式、核心作用和局限性，全程保留所有技术要点和实操细节，帮助大家快速分清各概念区别，掌握其用法，还推荐了两个实用脚手架配置，可直接复制到自己的项目中使用，高效开展AI协同编程。

一、开篇：AI编程概念总览，避免越用越乱

AI发展至今，衍生出了很多AI编程相关的核心概念，哪怕是经常使用AI编程的人，也容易混淆——比如分不清Rules和技能的区别、不知道MCP和Hook的作用、不清楚什么时候该用Command、什么时候该用Sub Agent。

其实这些概念的设计，核心都是围绕两个基础前提展开的：

AI的“记忆”（上下文）和AI与外部资源的“连接”。只要先吃透这两个前提，再逐一理解每个概念的核心作用，就能轻松分清它们的区别，避免越用越乱。

接下来，我们先从两个基础前提出发，再逐一拆解7大核心概念，最后推荐两个实用的脚手架配置，帮大家快速上手实操。

二、基础前提：搞懂这两个点，再学概念更轻松

所有AI编程核心概念，都是为了解决“上下文不足”或“无法连接外部资源”这两个问题而设计的。在学习7大核心概念前，我们先吃透这两个基础前提，后续理解会更顺畅。

2.1 前提一：上下文——AI的“记忆”，有上限、会压缩

上下文，简单理解就是AI的“记忆”。我们和AI对话、用AI处理编程任务时，AI会把每一次的对话内容、任务要求都存储起来，这样才能连贯地回应我们、完成后续任务，否则很容易答非所问。

比如我们一开始告诉AI“我叫Tony”，如果AI有上下文（记忆），后续问它“我是谁”，它就能准确回答；但如果没有上下文，或者上下文存满了，它就可能回答“你叫李四”，出现“失忆”的情况。

这里有个关键要点：AI的“记忆”（上下文）是有存储上限的——就像我们的大脑记不住太多东西一样，AI的上下文也有固定容量（比如1000句话、200K字符、1M字符等），不同AI模型的上限不同。当上下文存储满了之后，AI会自动压缩存储的内容，压缩过程中难免会丢失一些历史信息，这也是很多AI用久了会“失忆”的核心原因。

后续所有AI编程概念的优化，很多都是为了“节省上下文空间”“减少信息丢失”，让AI能记住更关键的内容，提升编程协同效率。

2.2 前提二：外部连接——AI本身“打不开”外部产品，需靠接口

很多人以为AI能直接访问各类外部产品（比如飞书文档、企业内部系统、CloudBase等），其实不然——AI本身就像一个“封闭的盒子”，无法直接“打开”其他产品的“门”，也就无法直接访问、操作外部资源。

比如我们想让AI直接访问石墨或飞书文档、帮我们发布文档，AI是做不到的；哪怕用浏览器模拟的方式，也会有很多限制。这时候就需要一个“中间桥梁”——外部接口（也就是后面会讲的MCP），相当于“开门钥匙”，外部产品通过接口提供访问方法，AI就能通过这个接口，访问、操作外部资源了。

简单总结：AI本身没有连接外部资源的能力，必须通过MCP（外部接口）才能实现与外部产品的联动。

三、核心拆解：7大AI编程概念，逐一分清用法

搞懂上下文和外部连接这两个基础前提后，我们开始逐一拆解7大核心AI编程概念。每个概念都从“一句话定义、加载方式、触发方式、核心作用、局限性”五个维度讲解，全程通俗易懂，保留所有实操细节，避免大家混淆。

汇总表如下：

3.1 概念一：Rules（规则）——AI的“静态规范”，自动约束不添乱

3.1.1 一句话定义

Rules（规则）是最早出现的AI约束方式，核心作用就是“规范AI的输出”，相当于给AI定了一套“编程行为准则”，避免AI输出不符合要求的代码（比如早期AI生成代码质量差，就用Rules约束其代码规范）。

3.1.2 核心细节

加载方式：两种加载形式（以Claud Code为例）——一种是全局定义（整个项目都生效），一种是按文件后缀定义（只对特定后缀的文件生效，比如只对Java文件生效）；AI启动对话、处理对应文件时，会自动加载Rules的内容到上下文。

触发方式：无需手动触发，自动生效——要么是全局生效（只要和AI对话就触发），要么是匹配到指定文件后缀（编辑对应文件时自动触发）。

核心作用：约束AI的输出（比如代码命名规范、代码缩进要求、回复格式等），让AI的输出更符合我们的编程需求，早期AI编程中使用较多。

局限性：没有外部连接能力，只是静态的规范文件，无法访问、操作外部资源；且属于“静态上下文”，定义好后就一直存在，无法动态调整，随着AI模型能力的提升，现在使用得越来越少。

3.1.3 实操示例

定义一个Java文件的Rules规则，匹配后缀为“.java”的所有文件，规则中明确Java开发的具体规范（如类名首字母大写、方法名首字母小写、代码缩进4个空格等）。这样一来，只要编辑Java文件，AI就会自动加载这个Rules规则，生成的代码都会符合设定的Java开发规范，无需手动修正。

3.2 概念二：Command（命令）——AI编程的“快捷键”，手动触发更高效

3.2.1 一句话定义

Command（命令）很容易理解，就是AI编程工具内置的“快捷键”，每个命令对应一个特定的简单编程操作，手动触发就能快速完成，无需重复输入复杂提示词。

3.2.2 核心细节

加载方式：指定触发时加载——只有手动触发该命令时，AI才会将命令对应的提示词、操作逻辑加载到上下文，不触发则不加载，节省上下文空间。

触发方式：手动触发——需要我们主动指定、调用（比如用斜杠命令触发，输入“/更新文档”，就会触发对应的更新文档命令），AI不会自动触发。

核心作用：提供快捷操作，减少重复工作（比如更新项目文档、生成代码注释、格式化代码等），我们可以有意识地调用，大幅提升AI编程协同效率。

局限性：没有外部连接能力，只能完成AI本身能处理的简单编程操作，无法访问外部资源；且功能单一，每个命令只对应一个固定操作，无法实现复杂的编程流程。

3.2.3 实操示例

常用的Command命令有“更新文档”“生成注释”“格式化代码”等，比如需要更新项目文档时，无需手动输入“帮我更新文档，整理最新的代码逻辑和开发进度”，只需手动触发“更新文档”命令，AI就会自动完成文档更新操作，高效又便捷。

3.3 概念三：MCP（接口）——AI连接外部的“开门钥匙”，打通外部资源

3.3.1 一句话定义

MCP就是外部接口，相当于AI连接外部资源的“开门钥匙”——外部产品（比如飞书、CloudBase）通过MCP提供访问、操作的方法，AI通过调用这些接口，就能实现对外部资源的访问和操作，解决AI无法直接连接外部的痛点。

3.3.2 核心细节

加载方式：一次性加载——AI启动对话或处理编程任务时，会将MCP的所有方法、描述一次性全部加载到上下文，供后续调用。

触发方式：按描述/名称触发——AI会根据我们的编程任务需求，识别对应的MCP方法名称或描述，自动触发调用（比如我们让AI“访问飞书文档”，AI会自动触发飞书对应的MCP接口）。

核心作用：解决AI无法直接访问外部资源的问题，让AI能操作外部产品（比如浏览飞书笔记、发布飞书文档、访问CloudBase资源等），是连接AI与外部产品的核心。

局限性：占用上下文空间大——如果MCP功能复杂、提供的方法多，其描述和方法名称会占用大量上下文（可能占比20%-30%），导致AI的“记忆”空间被浪费，容易出现压缩丢信息的情况。

3.3.3 实操示例

飞书内置了MCP接口，提供了“浏览笔记、发布文章、编辑文档”等方法，AI通过调用这些MCP接口，就能直接访问我们的飞书笔记，帮我们发布编程相关文章；CloudBase的MCP接口提供了多种资源访问方法，AI调用后可直接操作CloudBase的相关资源，无需我们手动操作，提升开发效率。

3.4 概念四：Sub Agent（子代理）——AI的“分身”，独立干活不添乱

3.4.1 一句话定义

Sub Agent（子代理）是AI的“独立分身”，可以独立处理特定的编程任务，有自己的独立上下文，不占用主对话的上下文资源，相当于“专人干专活”，不影响主对话的正常进行。

3.4.2 核心细节

加载方式：无固定加载方式，根据编程任务需求，启动Sub Agent时自动加载其对应的操作逻辑，不加载到主上下文，不占用主上下文空间。

触发方式：按描述/名称触发——我们在主对话中提出特定编程任务（比如“检查代码漏洞”“进行代码审查”），AI会识别对应的Sub Agent名称或描述，自动启动Sub Agent处理。

核心作用：优化上下文使用，避免主上下文被占用过多——Sub Agent处理任务的全过程、产生的相关信息，都不会占用主对话的上下文，适合处理复杂、耗时的单一编程任务（比如代码审查、漏洞检测）。

局限性：没有外部连接能力，只能处理AI本身能完成的编程任务，无法访问外部资源，仅能解决上下文占用过多的问题。

3.4.3 实操示例

最常用的场景就是代码审查（Code Review）：我们完成代码编写后，让AI“用Sub Agent检查代码”，AI会启动专门的Sub Agent（代码审查代理），独立完成代码漏洞检测、规范检查等工作，整个审查过程和结果，都不会占用主对话的上下文，既不影响我们继续和AI进行其他对话，又能高效完成代码审查任务。

3.5 概念五：Hook（钩子）——AI编程的“生命周期触发器”，必触发不遗漏

3.5.1 一句话定义

Hook（钩子）很好理解，如果你有编程基础，一定知道很多框架都有生命周期（比如Spring、Python的相关框架），Hook就是用来在AI对话或编程任务的生命周期的各个阶段，插入特定操作，且这些操作一定会被触发，无需手动调用。

3.5.2 核心细节

加载方式：无固定加载方式，不通过上下文加载，而是通过AI对话或编程任务的生命周期事件触发。

触发方式：生命周期事件触发——在AI对话的整个生命周期（比如对话启动、对话进行中、对话结束、上下文压缩），每个阶段都可以设置Hook，只要到达对应阶段，Hook就一定会被触发，无需手动操作。

核心作用：处理AI对话生命周期中的固定操作，比如对话启动时记录日志、上下文压缩时备份关键信息，确保这些必要操作不被遗漏，提升AI编程的规范性。

局限性：没有外部连接能力，仅能在AI对话生命周期内触发固定操作，无法处理需要访问外部资源的任务；且操作固定，无法根据动态需求调整触发逻辑。

3.5.3 实操示例

以Claud Code为例，我们可以在AI对话生命周期中设置两个常用Hook：一是对话启动Hook，每次和AI启动编程对话时，自动触发脚本，记录对话启动时间、当前处理的项目名称；二是上下文压缩Hook，当AI上下文达到上限、自动压缩时，触发脚本，备份压缩前的关键上下文信息（比如核心代码规范、任务要求），避免关键信息丢失。

3.6 概念六：Skill（技能）——AI编程的“流程封装器”，按需加载省空间

3.6.1 一句话定义

技能是目前所有AI编程概念中，功能最全面的一个，相当于前面多个概念的“集成者”，核心作用是将复杂的、重复性的编程流程，封装成一个“可调用的函数”，按需加载、按需调用，大幅提升编程效率。

3.6.2 核心细节

加载方式：按需加载——只有需要使用该技能时，AI才会加载技能对应的核心逻辑（比如脚本、引用文档），不需要时不加载；且技能中的脚本的内容不会加载到上下文，仅暴露调用方法，极大节省上下文空间。

触发方式：两种触发方式，可按需选择——一是按名称/描述匹配，AI根据编程任务需求，自动触发对应的技能；二是手动指定，和Command（命令）的手动触发方式一致，主动调用技能。

核心作用：封装复杂编程流程，减少重复工作；按需加载节省上下文空间；可集成其他概念的功能（比如调用MCP接口、触发Command命令），实现复杂编程任务的自动化（比如获取B站视频评论、对评论进行情感分析，再生成分析报告）。

局限性：虽然功能全面，但无法替代Mode（模式）——Mode是AI工具内置的流程，优先级高于技能；且技能的扩展能力，取决于AI编程工具的支持程度。

3.6.3 实操示例

创建和使用技能其实很简单，核心是找到自己的高频重复流程，再按标准结构封装，新手也能快速上手，不用有心理压力。

 第一步：找到适合做技能的场景

不是所有流程都适合做技能，核心判断标准是：**高频、重复、流程化**。比如：

① 编程场景：每个项目都要做的代码审查（Code Review）、每次编码后都要做的格式优化；

② 办公场景：每个项目都要申请的PD文档、每次完成任务后都要发布的流程；

③ 设计场景：固定风格的网页设计、固定规范的图片优化。

建议：从自己熟悉的领域入手，比如后端程序员就先做编程相关的技能，不要跨认知去做（比如后端去做前端技能），否则很难掌握流程细节，做出来的技能也不好用。

第二步：创建技能的两种方法

创建技能没有难度，有两种方法，按需选择即可，核心是按“标准结构”封装：

① 用AI工具自带的“创建技能”功能：很多AI工具（比如Claud Code）都内置了“技能创建器”，可以通过和AI对话，让它帮你生成技能的标准格式（比如说明文档、资源引用），你只需要填入自己的流程细节即可；

② 手动创建：按技能的标准结构，自己创建文件夹（包含名称、说明文档、引用资源），手动编写说明文档，引用对应的脚本或规范文件，这种方法更灵活，适合有一定基础的人。

注意：创建技能的核心是“明确流程细节”，比如代码审查技能，要明确审查的重点、标准，AI才能按你的要求执行，AI只是帮你生成格式，核心流程还是需要你自己明确。

第三步：使用技能的两种方式

使用技能比创建更简单，只有两种方式，全程不用复杂操作：

① 关键词匹配：发送需求时，只要包含技能相关的关键词（比如“设计儿童服装网页”），大模型会自动匹配对应的技能，加载并执行；

② 手动调用：直接输入技能名称，让AI调用（比如“调用FriendDesign技能，设计一个儿童服装网页”），适合需求不够明确、无法自动匹配的场景。

3.4 避坑提醒：不要做“万能技能”

很多人会想，能不能做一个“万能技能”，什么都能处理？其实非常不建议，原因有两个：

① 说明文档会过于复杂：官方建议，技能的说明文档（skill.md）最好不要超过500行，过于复杂的说明文档，会占用大量上下文空间，得不偿失；

② 执行效率低：万能技能涵盖的流程太多，大模型匹配和执行时会更慢，反而不如多个精准的小技能好用。

建议：技能要精准、可实现，一个技能对应一个高频流程，比如“儿童服装网页设计”“代码审查”“PD文档申请”，分别做不同的技能，使用起来更高效。

 skill实际案例

我们可以封装一个“B站视频评论情感分析”技能，用于分析编程相关视频的评论反馈，具体包含两个核心流程：一是调用外部接口（MCP），获取指定B站编程视频的所有评论；二是对评论进行情感打分（正面/负面/中性），生成简单的分析报告。这个技能按需加载，只有需要分析评论时，才会加载对应的调用方法和情感打分标准；且技能中的接口调用脚本，不会加载到上下文，仅暴露“输入视频链接，获取分析报告”的调用方法，调用后直接返回结果，高效又省空间。

补充说明：技能和Command（命令）是包含关系——技能可以做成Command（命令），但Command（命令）无法做成技能（命令功能单一，无法封装复杂流程）。

3.7 概念七：Mode（模式）——AI编程的“内置流程”，优先级最高不灵活

3.7.1 一句话定义

Mode（模式）和前面所有概念都不同，它是AI编程工具本身内置的一套固定编程交互流程，优先级最高，一旦选择某一种模式，AI就会严格按照该模式的流程执行任务，不受其他概念的影响。

3.7.2 核心细节

加载方式：无需手动加载，选择模式后自动加载——AI编程工具启动后，我们选择对应的模式（比如编程模式、调试模式、提问模式），工具会自动加载该模式对应的内置流程。

触发方式：手动选择模式触发——需要我们主动在AI编程工具中，选择对应的模式，选择后立即生效，全程按照模式流程执行任务，无需AI额外理解。

核心作用：提供固定的编程交互流程，简化操作——比如选择“调试模式”，AI就会严格按照“提交代码→检测漏洞→给出修复建议→验证修复效果”的流程，处理调试任务；选择“提问模式”，AI就会以简洁、精准的方式，回答编程相关问题。

局限性：不可自定义扩展——Mode是AI工具内置的流程，用户无法修改流程逻辑；且优先级最高，一旦选择模式，其他概念（比如Rules、技能）的触发，都会服从于模式的流程。

3.7.3 实操示例

以Claud Code为例，它内置了4种常用Mode（模式）：规划模式（Plan）、编程模式（Code）、调试模式（Debug）、提问模式（Ask）。比如我们选择“调试模式（Debug）”，AI就会自动进入调试流程，我们只需提交需要调试的代码，AI就会依次完成“检测漏洞→标注漏洞位置→给出修复建议→验证修复后的代码是否正常运行”的全部操作，无需我们额外输入复杂提示词，简化调试流程。

四、实操推荐：2个实用脚手架配置，直接复用省时间

了解完7大核心概念的区别和用法后，给大家推荐两个实用的AI编程脚手架配置，这两个配置中包含了我们常用的Command（命令）、Sub Agent（子代理）、Rules（规则）等概念，可直接复制到自己的项目中使用，快速启动AI协同编程项目，无需自己从零配置。

4.1 脚手架1：Claud Code 脚手架（功能全面）

这个脚手架是目前功能最全面的AI编程脚手架，包含了前面讲解的所有7大核心概念的相关配置，适配各类编程场景（比如前端开发、后端开发、代码调试）。

配置中内置了常用的Sub Agent（子代理，如代码审查代理）、Command（命令，如格式化代码、生成注释）、Hook（钩子，如上下文备份钩子）、Rules（规则，如多语言代码规范）和技能（如接口调用、评论分析），无需额外补充，导入项目后即可直接使用，适合追求功能全面、需要处理复杂编程任务的用户。

4.2 脚手架2：国内开源版脚手架（侧重流程，易复用）

这个脚手架是国内开发者开源的，更贴合国内开发者的编程习惯，侧重编程流程的规范化，配置相对简洁，易复用、易修改。

配置中重点包含了Rules（编程规范）、Command（常用命令）和技能（如文档生成、代码格式化），聚焦基础编程场景，适合新手或不需要复杂功能的用户，导入项目后可根据自己的需求，快速修改、扩展配置。链接：https://github.com/notedit/happy-skills

补充建议：大家可以下载这两个脚手架，查看其中各类概念的配置方式，吸收其设计思路，再结合自己的编程需求，修改成适合自己的配置，比自己从零设计更高效。

Q&A

Skill技能与MCP、Command命令到底不一样在哪？

很多人会混淆Skill、MCP和Command，其实它们的核心作用不同，虽然有重叠部分，但使用场景有明显区别，不用刻意死记硬背，优先用技能即可。

 核心区别总结（通俗版）

① 技能：核心是“封装流程”，相当于大模型的“函数”，可以懒加载，节省上下文，既能包含命令的功能，也能调用MCP，功能最全面；

② MCP：核心是“连接外部资源”，相当于AI的“外部接口”，只能实现AI与外部产品（比如飞书、CloudBase）的连接，不能封装流程；

③ 命令：核心是“快捷操作”，相当于AI的“快捷键”，每个命令对应一个简单操作（比如“生成注释”），功能单一，不能封装复杂流程。

五、关键知识点总结

本文围绕AI编程7大核心概念展开，完整保留所有实操细节、技术要点和脚手架推荐，以下是各章节关键知识点提炼，简洁精准、与前文流畅衔接，方便大家快速回顾复用：

1. 开篇核心：AI编程的7大核心概念易混淆，核心围绕“上下文”和“外部连接”两个前提设计；本文拆解各概念区别和用法，推荐实用脚手架，帮助大家高效开展AI协同编程，避免越用越乱。

2. 基础前提要点：

① 上下文：AI的“记忆”，有存储上限，满后会压缩丢失信息，后续概念优化多围绕节省上下文展开；

② 外部连接：AI本身无法访问外部产品，需通过MCP（接口）实现联动。

3. 7大核心概念要点（简洁版）：

① Rules（规则）：静态规范，自动触发，无外部连接能力，早期用于约束AI代码输出；

② Command（命令）：手动触发的“快捷键”，功能单一，无外部连接能力；

③ MCP（接口）：连接外部资源的“钥匙”，一次性加载占上下文，核心解决外部连接痛点；

④ Sub Agent（子代理）：独立处理任务，不占用主上下文，无外部连接能力；

⑤ Hook（钩子）：生命周期触发，必触发，用于执行固定操作，无外部连接能力；

⑥ 技能：封装复杂流程，按需加载省空间，可集成其他概念功能；

⑦ Mode（模式）：AI工具内置流程，优先级最高，不可自定义扩展。

4. 实操脚手架要点：

① Claud Code脚手架：功能全面，包含所有7大概念配置，适配复杂编程场景；

② 国内开源版脚手架：侧重流程规范，简洁易复用，适合新手或基础场景；两者均可直接导入项目，按需修改。

5. 整体总结：7大核心概念虽有功能重叠，但各有专属用途，分清其“加载方式、触发方式、是否有外部连接能力”，即可快速区分用法；结合推荐的脚手架配置，可大幅节省配置时间，提升AI协同编程效率；AI编程的未来方向是自动化，各类概念的优化都在向“自动化编程”靠拢。

以上就是全部内容啦，本文累计8400字，假如你看到最后为你点个赞，如果你对我这系列的文章感兴趣，请关注我，觉得文章对你有帮助，就分享给更多的朋友，欢迎在下面点赞，以及在评论区和我互动，有任何关于AI方面的疑问也欢迎私信我一起交流

相关链接：

链接1：https://github.com/anthropics/skills

链接2：https://github.com/affaan-m/everything-claude-code 强烈推荐

链接3：https://github.com/notedit/happy-skills

其他：https://github.com/chujianyun/skills