沐曦 Coding Agent 实战营

3 课，在国产算力上从一个 Token 走到两个能跑的作品。 MetaX Coding Agent Bootcamp · 从配置到造物

课程背景

过去十年 AI 的基石是 Transformer，但今天真正在改变开发者日常的，是编码 Agent—— Claude Code、Codex、OpenCode 这一类能自己读文件、写代码、跑命令、起服务的工具。

在高校与自学路径上，我们观察到三个比”不会推公式”更现实的断层：

会调 API ≠ 会让 Agent 干活。 大多数教程停在”申请一个 Key，curl 请求返回 200”。但真实开发里，你要把这个 Key 接进一个 Agent，让它替你写代码、改文件、跑测试。这一步的坑——认证字段叫什么、端点走哪条路径、超时阈值默认多长、模型标识和页面显示名不一致——几乎没人系统讲过，而每一条都能让人卡半天。
会生成 ≠ 会判断。 现在的模型一分钟能写一篇文、画一张图、配一段音。学生的默认反应是”能用就行”。但 AI 生成的历史细节、数字、人名，完全有可能是编的，而且看起来和真的一模一样。这门课训练的不是”生成得更多”，而是”生成的同时留下可核验的证据”。
国产算力有券，但没人告诉你从哪一步开始。 沐曦 C 系列已经在提供可用的云 GPU 与模型服务。可入门资料分散、模型标识与文档不一致、新手卡在第一步就放弃了。本课程的第一课，就是把这个”第一步”铺平。

课程介绍

本实战营采用**”先通终端，再造作品”**的两段式设计：

第一课不写任何模型代码，而是把模力方舟的模型接进你熟悉的编码 Agent，让国产算力变成终端里一个随时可调用的协作者；
第二、三课是两个完整可玩的作品：一个由多个模型组成参谋团的决策游戏，一个能把真实历史改写成架空时间线的实验室。

三课共用同一条方法论，也是本课程真正的教学主线：

结论不交给模型编，提示词全程公开，AI 生成的东西必须能被机器和读者双向核验。

课程亮点

先通工具，再写代码。 我们不在第一课就让你调 torch。先用一个网页配置中心把 CLI 工具接通，让你在终端里第一次跟国产模型说上话。有了这个，”帮我写一个页面”才是真的能立刻做到的事。

每一课都有能跑的东西。 不堆名词、不留”课后自行实现”。每一课都有一份可直接运行的实验材料，跑起来就能交互；实验手册里写清”你会看到什么”和”如果没看到，去查哪里”。

国产算力全程零成本。 所有实验都跑在沐曦 C 系列的模型服务上。算力券领取入口见 https://developer.metax-tech.com/activities/27（以官方页面为准）。

可信可溯源贯穿始终。 第二课里，游戏的结局由纯算法判定、不交给模型；第三课里，每一条推演都标注可信度三分法（真实资料 / 合理推测 / 纯虚构），配图会经过 AIGC 判别模型自查，提示词全文留档。这是本课程区别于”AI 玩具”的地方。

坑都写在明面上。 手册里的”常见坑”全部来自真实调试记录，不是文档转述—— 包括模型名要用连字符、推理模型思维链吃光 token 导致空响应、生图尺寸白名单、异步任务并发上限等等。

适合人群

高校计算机 / AI 相关专业师生： 想补上”工程实践”这一环，把课堂上的原理真正跑起来，并积累一段国产算力开发经历的同学。

想入门 AI 应用开发的开发者： 不满足于只会调现成 API，希望完整走一遍”接模型 → 写代理 → 做界面 → 出作品”的流程。

AI 算法工程师 & 应用开发者： 想系统了解国产模型服务的能力边界与适配方法，为项目选型积累一手实测数据。

内容 / 文史 / 设计方向的爱好者： 对第二、三课的题材感兴趣，想用 AI 做点”有出处、能自证”的东西，而不是又一批无来源的生成内容。

学习顺序及章节名称

学习顺序及章节名称	任务打卡地址	任务描述	预计用时	可交付成果
第一课：把国产算力接进你的终端	打卡 #1	用课程提供的配置中心，把模力方舟访问令牌接入 Codex / Claude Code / OpenCode 中的任意一个，并跑通一次真实对话。	0.5 天	一个能用国产模型的编码 Agent，以及一份”我踩过的坑”记录
第二课：赤壁·风起 —— 多模型协作的决策游戏	打卡 #2	跑通本地代理，读懂 5 个模型分工（参谋团 / 叙事 / 生图 / 配音）；亲手改写一个决策节点的结果，观察结局如何变化；回答”为什么结局不该让模型来编”。	1 天	一个可玩的决策游戏 + 一段对”规则与生成”边界的论述
第三课：歧路 —— 反事实时间线实验室	打卡 #3	给一条真实时间线挑一个节点，用自由输入改写它；让模型推演后续连锁后果；用生图 API 配图、用判别模型自查 AI 生成痕迹；写出你的架空时间线。	1 天	一条架空时间线 + 一份可核验的溯源档案

怎么打卡：上面三个打卡 Issue 就是打卡地址，学完在对应 Issue 下面回复你的成果即可。想自己另开一条也行 —— 点「＋疑修」，在模板里选「第 N 课打卡模板」，按格式填完提交。

平台上还配了「踩坑反馈模板」和「提问讨论模板」两个模板。 这门课最大的资产是大家踩过的坑，不存在「太小白」的坑。

成果怎么交

两条路，选一条 —— 但不管走哪条，最后都要回到打卡 Issue 下评论一条链接。

方式	怎么做	适合谁
A · GitHub 公开仓库	在自己账号下建一个 Public 仓库 → 上传成果 + 三张截图 → 在打卡 Issue 下评论仓库地址	本来就用 GitHub，想让成果留在自己账号下
B · GitLink Fork + PR	Fork 本仓库 → 成果放进 `submissions/<你的 ID>/` → 发 PR 回来 → 在打卡 Issue 下评论 PR 链接	想接受 review，让后来的人看到你踩过的坑

完整规范见 submissions/README.md。

每课都要交三张截图

	第一课	第二课	第三课
图 1	配置生成	参谋团同屏	改写输入
图 2	终端跑通	这一局的结局	架空时间线与配图
图 3	踩坑现场	改动前后对比	AIGC 判别得分

我们不希望收到第二份赤壁

示例是脚手架，不是标准答案。第二课和第三课都鼓励换掉题材：

第二课 —— 换成你家乡的某场战役、地方志里某位人物的一次抉择（改 SCENES 与 ENDINGS，越本地越好，那是我们抄不到的）；
第三课 —— 换成别的真实历史记载：一条技术史、一部制度史、某个人物的年表（新建一条 timelines/*.json）。

并且请在打卡评论里单独写一段「我的创新点」：你为什么选这个题材、和示例哪里不一样、有没有推翻示例的做法。

选题自由，规则不能自由。 第二课的结局必须由确定性代码判定；第三课的每个真实节点必须能追溯到出处。这两条是这个课程的全部立场。

仓库结构

metax-ai-bootcamp/
├── README.md                      ← 你正在读的这份
├── index.html                     ← 课程主页（浏览器打开即用，含三课入口）
├── GOVERNANCE.md                  ← 治理章程：角色、决策与冲突机制
├── CONTRIBUTING.md                ← 贡献指南：Fork + PR 工作流
├── CODE_OF_CONDUCT.md             ← 行为准则
├── ROADMAP.md                     ← 课程迭代路线图
├── assets/preview/                ← 课程主页与手册使用的作品截图
├── submissions/                   ← 学员成果区（Fork + PR 路线放这里）
│   └── README.md                  ← 提交规范：两条路径、三张截图、选题要求
├── tools/
│   ├── build_handbooks.py         ← 把 lesson-*/README.md 渲染成课程站的手册页
│   │                                 （改了手册记得重跑一次：python tools/build_handbooks.py）
│   └── checkin-issues/            ← 三个打卡 Issue 的正文留档（内容活在平台上，这里存副本）
├── lesson-01-coding-agent.html    ┐
├── lesson-02-chibi-game.html      ├ 上面那个脚本生成的成品页
├── lesson-03-timeline-lab.html    ┘
│
├── lesson-01-coding-agent/
│   ├── README.md                  ← 实验手册（第一课）
│   └── lab/index.html             ← 配置中心，双击即可打开
│
├── lesson-02-chibi-game/
│   ├── README.md                  ← 实验手册（第二课）
│   └── lab/                       ← 《赤壁·风起》完整源码
│       ├── server.py              ← 本地 AI 代理（唯一持有 Key 的地方）
│       ├── index.html             ← 游戏前端
│       ├── config.example.json    ← 配置模板，复制成 config.json 后填入令牌
│       ├── assets/                ← 15 张选项插画 + 生成缓存
│       └── tools/                 ← 模型探测与基准脚本
│
└── lesson-03-timeline-lab/
    ├── README.md                  ← 实验手册（第三课）
    └── lab/                       ← 「歧路」完整源码
        ├── server.py              ← 本地代理：推演 / 校准 / 生图 / 判别
        ├── index.html             ← 单文件前端
        ├── config.example.json    ← 配置模板
        ├── timelines/zhenghe.json ← 郑和下西洋真实时间线（1405–1522，10 个节点）
        ├── assets/cache/          ← 已生成的配图（开箱即用，不烧额度）
        └── runs/                  ← 往次推演存档（含真正发出去的提示词全文）

开始之前：你只需要三样东西

一台电脑（Windows / macOS / Linux 均可；手机上无法完成第一课的配置）。
一枚模力方舟访问令牌 —— 第一课的配置中心里有直达入口与分步说明。
**Python 3.10+**（第二、三课需要）。没有也能学第一课，但游戏与实验室跑不起来。

关于密钥：本课程所有实验的 Key 只存在于本机。前端页面从不持有 Key，所有模型调用都经过本地 Python 代理。仓库中的 config.json 已被 .gitignore 排除，请勿把自己的令牌提交上去。

项目治理

本项目以小而透明的方式运转，欢迎所有人参与课程建设与迭代：

GOVERNANCE.md — 治理章程：角色、决策机制、许可证
CONTRIBUTING.md — 贡献指南：Fork + PR 工作流
CODE_OF_CONDUCT.md — 行为准则：社区规范与投诉流程
ROADMAP.md — 课程迭代路线图

参考与致谢

课程形态参考并致意：CCF AI Infra · Transformer-on-Metax 实战营
模型服务：模力方舟 · 国产算力：沐曦 MetaX
配置桥：CC Switch

许可证

本项目采用 MIT 许可证（LICENSE）开源。

注意：从第二课、第三课实验生成的图片、音频、视频属于学员自己的 AI 生成产物，其版权与使用条款遵循各自模型服务方（模力方舟）的约定，不受本仓库 MIT 许可证约束。仓库内 assets/preview/ 与 assets/cache/ 下的示例生成物仅供课程演示。