Plank AI 加速器 - 两个月课程
AI FDE 课程
来自 FDE 即服务公司 Plank 的免费前沿部署工程师（FDE）培训。在 40 天内，一名全栈工程师全程与编码 Agent 协作，构建并上线一个生产级 AI 产品 WorkBot。
作者：Plank 联合创始人 Anusheel Bhushan
- 时长
- 40 个工作日，8 周内或更快完成
- 形式
- 个人学习。你构建一个产品，规划每天的任务，并在每个 pull request 合并前进行审查
- 适合人群
- 使用 TypeScript 和 Node.js 的全栈工程师，不限职业阶段
- 技术栈
- 全程使用 TypeScript，不锁定任何一家 AI 供应商。Anthropic 和 OpenAI 的模型与 SDK 并列使用。Claude Code、Codex CLI 和 OpenCode 作为编码 Agent。LangGraph.js、Claude Agent SDK 和 OpenAI Agents SDK 用于构建 Agent。Model Context Protocol（MCP）用于工具。语音、检索、工作流和可观测性均采用供应商中立工具
- 目标
- 让全栈工程师成为 AI 工程师
使用 AI 与构建 AI
使用 AI
你的工作方式。编码 Agent（Claude Code、Codex CLI、OpenCode）负责规划、编写、测试和审查代码。你负责明确需求、引导方向并做出决策。你从一个 Agent 和一个 pull request 循环开始。到第 5 周，你将通过积压任务运行一组 Agent，由评测和合并队列决定哪些可以合并
构建 AI
你交付的内容。产品中的模型：聊天与语音、带工具的 Agent、带引用来源的搜索问答、文档的读取与理解，以及能在其他系统中执行操作的集成。测试、评测、追踪和部署使其在生产环境中稳定可靠
使用 AI 是你每天的工作方式。构建 AI 是大多数日子里为 WorkBot 添加的内容。
你将学到什么
- 与编码 Agent 协作
- 把 Claude Code、Codex CLI 和 OpenCode 当作你的开发团队。Agent 编写规格说明、pull request 和代码审查。多个 Agent 在 git worktree 上并行工作，随后 50 个 Agent 同时处理积压任务
- 聊天与语音助手
- 在网页以及 Slack、WhatsApp、短信和 iMessage 上的流式聊天。能倾听、说话并处理打断的语音。由组件目录组合而成的界面
- 会使用工具的 Agent
- 能搜索、阅读、浏览并执行操作的 Agent，记住重要事项，并相互交接工作。同一个 Agent 用 3 种框架构建，供你选择其一
- 公司知识搜索
- 探索知识库、政策与手册的检索，并带引用来源回答问题。你将其与普通检索进行对比衡量
- 文档、图像与电子表格
- 从 PDF、扫描件、信函、发票和电子表格中提取结构化数据，并在关键环节由人工审核
- 能执行操作的集成
- 将 Agent 连接到 CRM、工单系统、日历和 GitHub。规则在模型之前生效，每个操作都有试运行，并且可以安全重试
- 在两家供应商上运行
- Anthropic 和 OpenAI 位于同一层之后，每个任务路由到其中之一，并在其中一个宕机时启用备用方案
- 评测与生产环境
- 每个拉取请求都进行测试和评测，按客户进行追踪和成本核算，角色与权限管理，以及针对提示词注入的防御
- 架构与部署
- 一种让新客户只需配置、无需改代码的设计。队列与事件。使用 Terraform 部署到托管平台和主流云平台。为受监管客户提供隔离，并按照操作手册交付到客户自己的云账户
- 研究、增长与分析
- 部署过程中的用户研究、一个可供答案引擎引用的网站、合规范围内的对外推广，以及一套带有可展示其 SQL 的 Agent 的分析技术栈
你要构建的东西
WorkBot 是一款面向公司运营、财务和支持团队的 AI 助手与工作流引擎。它同时也服务该公司自己的客户。员工通过网页应用、Slack 和语音与它交流。客户则通过 WhatsApp、短信和 iMessage 与它联系。
WorkBot 依据公司的知识库和政策回答问题，并注明来源。它接收来自电子邮件、文档和工单的工作，并应用公司的规则。它会让人员审批重要事项。它在公司已有的系统中执行操作：用于客户记录的 CRM、工单系统，以及用于财务和运营的 ERP。管理控制台让每个客户无需编写代码即可完成配置。在适当的时候，它会转交给人工处理。
你从第一天起就开始构建它，并且每天不断完善。
WorkBot
公司内部的运营、财务和支持团队，以及他们所服务的客户
在公司的各个系统中运行其工作。聊天和语音助手依据知识库和政策回答问题，并附引用来源。它接收电子邮件、文档和工单，应用固定规则，请求审批，并在 CRM、工单系统和 ERP 中执行操作。管理控制台对其进行配置，并在适当的时候转交给人工处理
教授内容：聊天和语音界面、何时应拒绝回答、图像和文档作为输入、记忆、多渠道、集成、角色与权限、隔离每个客户的数据、能在重启后继续运行的工作流、通过配置即可接入新客户、隐私规则下的个人数据，以及部署到客户自己的云环境
你在此过程中构建的功能，例如：
- 一个聊天助手，依据公司政策和文档回答员工的问题，并展示答案的出处
- 一条支持电话热线，能倾听、回应，并根据通话内容创建工单
- 从 PDF 或照片中读取发票，提取其字段并路由以供审批
- 一个调查工单的 Agent。它会搜索过往工单和知识库，查询 CRM 并起草回复
- 等待人工审批的工作流，能在服务器重启后继续运行，并在完成后发送通知
- 一场从网页开始、在 WhatsApp 或 Slack 上继续的对话
- 一个管理控制台，客户在其中设置自己的规则，这样下一个客户只需通过配置即可完成设置
- 由模型根据描述生成的仪表盘和表单
- 整个系统通过脚本部署到一个全新的云账户中，并附带一份他人可以照着执行的运行手册
- 一个能回答业务问题并展示其运行 SQL 的分析助手
检查点
每一天都以功能合并进 WorkBot 结束，并且每天在进入下一天之前都会从你的代码库进行验证。第 3 天是检查点：中期设计、交付到客户账户，以及最终发布。
- 第 20 天架构设计与产品思维一份 2 到 3 页的架构文档、一份一页纸的功能提案，以及一场 5 分钟的带问答环节的路演。
- 第 37 天用户研究，并交付到客户云环境由他人按照运行手册将 WorkBot 部署到一个全新账户并运行冒烟评测。访谈和可用性调研结果会连同证据一起写成文档，并归入配置和待办事项。
- 第 40 天最终发布WorkBot 上线、一份架构文档、一段 10 分钟的演示录像，以及各项数据。
第 1 天之前
提前准备
第 1 天需要用到。
- Claude Code：从第 1 天起、在项目每一天都会使用的智能体编程工具。
- Ghostty：支持标签页、分屏和桌面通知的终端，用于并排运行多个智能体。
- Cursor：这款 IDE，已为 AI 辅助的 TypeScript 开发配置好。
- GitHub：代码仓库和拉取请求；从第 3 天起使用 GitHub MCP。
- Vercel：每次推送都进行预览和生产环境部署。
- Codex plugin for Claude Code：标准版和对抗版的 PR 审查。
- Node.js LTS、pnpm 和 Git：基础工具链。
课程大纲
| 天数 | 标题 | 你交付的成果 |
|---|---|---|
| 1W1 | 开发环境与 Claude Code 基础 | 一个用 Claude Code 搭建的 Next.js 项目脚手架，以及跑通每小时 10 次的 PR 循环 |
| 2W1 | Claude Code：技能与子智能体 | 3 个自定义技能、由 3 个子智能体进行的拉取请求审查，以及一个格式化钩子 |
| 3W1 | AI SDLC：功能开发工作流 | 一个 Linear 待办事项列表，首批工单通过完整循环交付，迈向每小时 10 个拉取请求 |
| 4W1 | 多项目与多功能并行工作流 | 并行交付 4 个或更多功能，将公开网站作为第二个应用，并测量你的吞吐量 |
| 5W1 | MCP 服务器与完整功能开发 | Postgres 中的请求、获客漏斗分析，以及一个数据库 MCP 服务器和一个 PostHog MCP 服务器，两者均在 Claude Code 中使用 |
| 6W2 | AI 应用的解剖 | WorkBot 的对话核心：一个基于任一提供商的流式 CLI 聊天机器人，支持模型切换和成本跟踪 |
| 7W2 | 工具使用与链式调用 | 在两个提供商上运行的 4 个工具，以及一个带引用来源的研究命令 |
| 8W2 | 全栈 AI 聊天应用 | WorkBot 的网页聊天部署在任一提供商上，界面中显示工具状态和结果 |
| 9W2 | 生成式 UI | 一个 AI 仪表盘生成器，包含 15 个以上组件的目录，以及 3 个演示场景 |
| 10W2 | 上下文与记忆 | WorkBot 的网页聊天，具备上下文管理和记忆功能，并已部署 |
| 11W3 | AI Agent 基础 | 一个从零构建的 ReAct 调查 Agent，在工作过程中展示其推理过程 |
| 12W3 | 多 Agent 系统与框架 | 一个用于客户回复的 4-Agent 流水线，包含防护栏、任务交接和追踪，以及一个接入工作流 |
| 13W3 | 现代 RAG：Agentic 检索 | 在 52 篇文档语料库上进行 Agentic 检索，并与 top-5 检索在 10 个问题上进行对比 |
| 14W3 | AI 爬取、浏览器使用与桌面使用 | 一个支持分页的 AI 爬取器，以及一个能在遗留门户中完成任务的浏览器 Agent |
| 15W3 | 研究分析师：编排、检索与浏览器 | AI 研究分析师，具备错误恢复、日志记录、成本跟踪和测试，并将报告提交到工单 |
| 16W4 | 语音与视频 AI | 一个浏览器语音助手和一个带时间戳的视频分析工具 |
| 17W4 | 结构化输出与数据提取 | 一个包含 4 种模式的提取引擎，在 18 份文档上进行测量 |
| 18W4 | 使用 Inngest 进行工作流编排 | 一个带人工审批的持久化文档流水线，部署在 Vercel 上 |
| 19W4 | 测试、监控与部署 | WorkBot 达到生产就绪状态，包含追踪、版本化提示词、评测和告警 |
| 20W4 | 架构设计与产品思维 | 一份架构文档、一个功能提案和一次 5 分钟的推介 |
| 21W5 | 多 CLI 开发与上下文架构 | 跨 3 个 CLI 的 Agentic 开发环境、一个公司大脑，以及一页指南 |
| 22W5 | Agent 舰队：50 个并发 Agent、云端 Agent 与测试自动化 | 一次 50 项任务的舰队运行，以每小时合并次数、回退次数和从需求到合并的时间来衡量 |
| 23W5 | Agent 框架：LangGraph.js、Claude Agent SDK、OpenAI Agents SDK | 将第 11 天的研究 Agent 运行在 3 个框架上，在 5 个主题上进行测量，并附一页对比 |
| 24W5 | 2 个提供商，1 个代码库 | WorkBot 的网页聊天同时运行在 OpenAI 和 Anthropic 上，包含路由表、回退机制和两者的评测分数 |
| 25W5 | 评测作为开发循环 | WorkBot 运行在选定的框架和 2 个提供商上，使用舰队工作流开发，并由 CI 中的评测把关 |
| 26W6 | 架构原则：需要摒弃什么 | 一次架构审计、2 次迁移的前后测量，以及一份决策记录 |
| 27W6 | 集成平台：Composio、Nango 和 MCP | WorkBot 通过供应商的 MCP 服务器连接到其工单系统，包含同步副本、产品级工具以及 3 条路线的对比 |
| 28W6 | 集成技术：同步、统一模式、规则和缓存 | 集成之下的统一数据层，应用规则并缓存，带有对账和审计追踪 |
| 29W6 | 配置优先设计、文法和元编译器 | WorkBot 采用配置优先设计，通过配置创建第二个租户，使用带有 20 个测试的规则语言、实体生成器，并将检查作为缓存的任务图 |
| 30W6 | Agent 安全：RBAC、密钥和数据隔离 | WorkBot 完成集成、配置优先并加固，附带一套注入评测集，其中 20 次尝试全部失败 |
| 31W7 | 文档和电子表格：PDF、DOCX、XLSX 和大型表格 | 一个文档接收服务，支持 PDF、Word 和 Excel 文件，并测量每条通往模型路径的准确性和成本 |
| 32W7 | 多渠道聊天：网页、短信、WhatsApp、iMessage 和 Slack | WorkBot 的助手覆盖 4 个渠道（网页、短信、WhatsApp 和 Slack），共享会话、投递回调和重试机制 |
| 33W7 | 流程生命周期：队列、发布/订阅、SSE、WebSockets 和无服务器 | 一个处理层，具备公平队列、死信、版本化事件和跨 2 个实例的流，用 500 个任务进行负载测试 |
| 34W7 | 云服务：AWS、GCP、Azure 和新兴云 | WorkBot 作为两个容器镜像部署在类似主流云的架构上，包含新兴云和主流云的部署步骤、成本估算和建议 |
| 35W7 | 基础设施即代码：Terraform 和部署目标 | WorkBot 的基础设施以 Terraform 形式部署在 3 个目标上，通过计划、审查和应用的流水线，并演示回滚 |
| 36W8 | 隔离、密钥和规模化思考 | 一个加固的、可选单租户部署，附带运行手册、一次演练日和一份已完成的安全问卷 |
| 37W8 | 用户研究，并交付到客户云 | 一份来自访谈和可用性测试的发现页面，以及由他人按照运行手册完成的客户风格 WorkBot 部署验证 |
| 38W8 | AEO 和增长自动化 | WorkBot 网站在 CI 中通过 AEO 检查清单、一份 200 个账户的目标名单，以及一套合规的外联序列 |
| 39W8 | 使用 Agent 进行研究和分析 | 一份已发布的研究档案、带有语义层的分析栈，以及一个只读分析 Agent |
| 40W8 | 最终发布 | WorkBot 上线、一份架构文档、一段 10 分钟的演示录像以及各项数据 |
常见问题
- 什么是 AI FDE 课程？
- Plank 提供的免费前沿部署工程师（FDE）培训：40 天内，一名全栈工程师以前沿部署工程师的方式构建并交付一个生产级 AI 产品——WorkBot。这是 Plank AI 加速器的 2 个月项目，对所有人开放。
- 这门课程适合谁？
- 使用 TypeScript 和 Node.js 的全栈工程师，无论处于职业生涯哪个阶段，只要想转向 AI 工程或前沿部署工程师岗位。无需具备任何 AI 工程经验。
- FDE 培训需要多长时间？
- 40 个工作日，在 8 周内或更快完成。第 1 周搭建 AI 驱动的开发工作流；第 2 至 8 周通过聊天、Agent、检索、语音、评测、集成、安全、基础设施以及最终发布来构建 WorkBot。
- 课程是免费的吗？
- 是的。每天的验证和个人资料都是免费的。你只需自行支付模型和云服务的使用费用。
- 每一天是如何验证的？
- 使用 GitHub 登录并关联一个公开仓库。完成一天的任务后，推送并验证：系统会对照当天应交付的内容检查自上次验证日以来的提交，并将该天连同其提交记录一起记录下来。
- 完成后我能获得什么？
- 部署好的 WorkBot，以及在 joinplank.com 上以你的 GitHub 用户名命名的公开个人资料，其中列出每个已验证的日子、对应的提交以及涵盖的技能。Plank 招聘前沿部署工程师，一份经过验证的个人资料是你已交付工作的记录，可以在求职申请中附上链接。
- 该课程与 Plank AI Accelerator 有什么关系？
- 该课程是 Accelerator 的 2 个月项目，对所有人开放，可按自己的节奏完成。完整的 Accelerator 是一个选拔性的为期一年的线下项目，最终以在 Plank 担任前沿部署工程师的职位收尾。
Anusheel Bhushan 在共同创立 Plank 之前，曾担任 Accel 投资、完成 A 轮融资的 Plato.ai 的联合创始人兼 CTO。Anusheel 已为 10 个国家的 80 多家公司主导软件产品开发，在 Stanford StartX 指导创始人，并拥有 UC Irvine 的计算机科学硕士学位。
课程大纲更新于 2026-10-26。