厦门大学AI编程课落地实践：从教材到教学的全解析

AI编程正在重塑软件生产方式

大模型技术的爆发正在深刻改变软件开发的底层逻辑。在大数据百家讲坛第152期直播中，厦门大学信息学院实验教学中心主任林子雨副教授系统分享了《AI编程与智能体开发》这门新课程的建设经验。作为他在厦门大学打造的第六门课程，也是这门课程全部采用自编教材并成功推广的延续，其背后折射出的是整个计算机教育内容边界的重构。

林子雨指出，编程语言的演进是历史必然规律：从机器语言、汇编语言到高级语言，再到今天以自然语言描述让AI生成代码的AI编程，每一次跃迁都在降低编程门槛、提升开发效率。他判断，AI编程最终一定会大行其道，替代传统的手工编程和IDE辅助编程方式。

可以明显缩短编码和排错的时间

从手工编码到AI协同的三段演进

林子雨将程序开发方式梳理为三个阶段。手工编码始于20世纪50年代并延续至今，代码完全依赖人类思维，计算机仅作为指令执行者。尽管在系统底层、Linux内核、嵌入式开发等对性能和安全要求极高的场景中手工编码仍不可替代，但在大量增删改查、标准化接口定义等重复性工作上，其效率瓶颈日益明显。

IDE辅助阶段形成于上世纪90年代。从Turbo C、Visual Studio到Eclipse、IntelliJ IDEA，再到轻量化的VS Code，IDE通过语法高亮、自动补全、断点调试等功能减轻了开发者的机械性负担。但林子雨强调，IDE并未改变"人是代码主要生产者"这一事实，工具承担的仍是辅助角色。

AI编程阶段则带来了本质变化——开发分工本身发生了转移。开发者越来越多地承担需求定义、任务拆解、结果评估和系统把控职责，而具体代码生成、样板补齐、基础测试编写往往交给AI完成。他进一步将AI编程细分为三个子阶段：AI辅助编程（AI执行人类决策，如GitHub Copilot）、AI协同编程（人机共同决策，如Claude Code、Cursor Composer）、AI自主编程（人类仅作监督者，仍在探索中）。

关键节点：Claude Code带来的生产级拐点

林子雨在讲座中给出了一个重要时间判断。他提到，Transformer架构、GPT-1的发布以及2021年GitHub Copilot的问世构成了技术演进背景，而真正的拐点是全球排名第一的编程大模型Claude Code推出OPUS版本，标志着AI编程开始全面生成"生产级可用"的代码，不再只是玩具。

正是捕捉到这一趋势，林子雨团队在Claude Code成熟仅一个月后就果断启动课程建设。他将此类比为2013年团队敏锐捕捉大数据时代、撰写国内第一本大数据教材并推广至千余所高校的经历。

由AI生成代码的占比

从产业数据看，代码生成已成为大语言模型最重要的应用场景之一。据林子雨引用的多家厂商API调用统计，代码生成任务的Token销量占比超过30%，居所有场景首位。国内互联网大厂AI编程代码量普遍达到30%-50%，腾讯高管此前透露公司新增代码70%由AI实现，谷歌、微软也宣布未来3至5年内将AI生成代码占比提升至90%以上。Stack Overflow调查显示，超过84%的开发者使用或计划使用AI编程工具。

Transformer架构由Google于2017年在论文《Attention Is All You Need》中提出，其核心创新是以自注意力机制（Self-Attention）取代此前主流的循环神经网络，使模型能够并行处理序列数据并捕捉长距离依赖关系。这一架构奠定了GPT、BERT、Claude等几乎所有主流大语言模型的技术基础。Claude Code是Anthropic公司推出的命令行AI编程工具，直接集成在终端环境中，能够读取整个代码仓库的上下文、执行Shell命令、修改文件并运行测试，区别于Copilot等以代码补全为主的IDE插件模式。所谓"生产级可用"，是指生成的代码不仅语法正确，还能满足错误处理、边界条件覆盖、性能要求和可维护性等工程化标准，可直接合并进真实项目代码库，而非仅作演示或原型使用。

教材设计：三种方法论贯通企业实践

这本由人民邮电出版社出版、预计11月上市的《AI编程与智能体开发》教材，是本次讲座的核心内容。教材共设九章，从大模型基础讲起，逐层深入到AI编程概述、环境搭建、三种编程方法论、智能体，最后落到LangChain和LangGraph两大主流智能体框架。

三种方法论的递进设计是教材亮点：

基于提示词的AI编程：适合个人开发，讲解提示工程通用框架、编码规则设定、存量项目维护等
基于规范的AI编程：面向团队协作，引入SpecKit、OpenSpec等工具，包含探索、提案、实施、归档四步流程
基于流程的AI编程：面向企业级大型作业，介绍Spec Workflow的七步工作流和质量保证机制

林子雨反复强调，教材内容并非凭空杜撰，而是来自其已毕业、现任国内排名前三互联网大厂专家的学生整理的一线实践方法论，并由该专家全程指导，确保"解决高校到企业最后一公里"的问题。每一章都以案例为依托，理论讲完立即落地实战。

还有就是给它几个案例介绍

LangChain是目前最广泛使用的大语言模型应用开发框架，提供链式调用（Chain）、工具调用（Tool）、记忆管理（Memory）等标准化组件，帮助开发者将LLM与外部数据源、API及业务逻辑串联起来。LangGraph则是LangChain团队推出的进阶框架，以有向图（Directed Graph）结构描述智能体的决策流程，每个节点代表一个处理步骤或子智能体，边代表状态转移条件，适合构建需要循环推理、多智能体协作或复杂条件分支的工作流。相比LangChain的线性链式结构，LangGraph更适合处理不确定性高、需要动态回退和迭代的任务，是当前智能体（Agent）系统开发的主流选择之一。两者的学习曲线差异较大，这也是教材在该部分做针对性裁剪的原因。

落地教学：免费、可复现的课程设计

2026年秋季学期，厦门大学面向计算机系大二本科生正式开设该课程，111位同学选修，规模远超普通选修课。课程设计48学时（16理论+32实验），考核采用考勤40%、实验40%、期末大作业的方式，不设传统考试。林子雨明确，这门课考核的不是学生手写代码的能力，而是"指挥AI干活的能力"，需要建立全新的评价模式。

关于外界最关心的成本问题，林子雨给出了明确答案：整门课程完全免费，学生无需购买Token。本地大模型选用谷歌开源的Gemma系列小参数版本（约40亿参数），只需保证跑通流程而非追求质量；编程工具采用字节跳动推出的Trae，国内已有800万程序员使用，可通过auto模式自动选择免费大模型。这一设计直接回应了此前引发争议的"无Token退学"事件。

所以你只能选择小参数版本了

对于选择Trae而非Claude Code，林子雨解释了推广逻辑：Claude Code虽是全球第一，但收费且多次对中国用户封杀，无法满足面向全国高校免费普及的定位。实验硬件方面，他建议机房设备内存至少16GB、剩余硬盘20GB以上，无需GPU；同时提醒案例开发耗时可能极长，建议让学生自带笔记本，机房仅提供插座和网络，以便实验能带回宿舍继续运行。

Gemma是Google DeepMind于2024年发布的开源轻量级大语言模型系列，其设计目标是在消费级硬件上可运行，最小参数版本为2B（20亿参数），课程所用约40亿参数版本（Gemma 4B/Gemma2 2B等）在16GB内存的普通笔记本CPU上即可运行推理，无需独立显卡。Trae是字节跳动推出的AI编程IDE，基于VS Code内核构建，内置多模型调用能力，其"Auto模式"会根据任务类型自动路由至不同的免费大模型，对国内用户实现了零成本准入。相比之下，Claude Code按Token计费，且Anthropic多次以合规为由限制中国大陆IP或手机号注册，导致高校大规模使用面临账号封禁和支付障碍，这是林子雨放弃使用全球排名第一工具、转而选择本土替代方案的根本原因。

课程定位的边界与争议

林子雨多次澄清一个关键认知：这门课程不是要替代大一的Python或C语言课程，而是建立在编程语言基础之上的进阶课。学生必须先具备编程思维，才能进阶学习AI编程。他将其比作"编程语言的升级版"，认为凡是计算机类专业——包括大数据、物联网、人工智能、软件工程、网络空间安全等——都应将AI编程与智能体开发纳入核心课程。

在互动环节中，林子雨也坦诚了团队的能力边界：其团队专注教学，在企业级智能体实战开发方面经验有限，教材对LangGraph等框架的复杂特性做了必要裁剪，以降低学生学习门槛。这一取舍反映出高校教材与企业工具书之间的定位差异。