老程序员 AI 编码 Agent 学习路线

Level 0  认知 ──── 什么是 AI 编码 Agent
Level 1  上手 ──── 装一个，跑通第一个项目
Level 2  技能 ──── 让 Agent 懂工程规范
Level 3  工具链 ─── 让 Agent 操作真实世界（MCP）
Level 4  方法论 ─── 从聊天到规范驱动
Level 5  上下文 ─── 解决 Agent "记不住"
Level 6  多智能体 ── 多个 Agent 协作
Level 7  生产化 ─── 评测、安全、CI/CD
───────────────────────────── 以上是 Agent 专项
───────────────────────────── 以下是通用工程

你 → 终端里输入需求 → Agent 理解代码库 → 写代码、跑命令 → 你 review → 继续

你的 Agent ──加载技能──→ 懂 TDD、懂代码评审、懂 commit 规范

# 第一步：装 mattpocock 打底（6.9M 安装量验证过的最好用主力）
opencode "安装 mattpocock/skills"

# 第二步：从 addyosmani 单独抽 mattpocock 没有的技能
opencode "安装 addyosmani/agent-skills 里的 security-and-hardening"
opencode "安装 addyosmani/agent-skills 里的 ci-cd-and-automation"
opencode "安装 addyosmani/agent-skills 里的 observability-and-instrumentation"
opencode "安装 addyosmani/agent-skills 里的 performance-optimization"
opencode "安装 addyosmani/agent-skills 里的 documentation-and-adrs"
opencode "安装 addyosmani/agent-skills 里的 context-engineering"

# 第三步：其他技能遇到场景再装
opencode "装一个帮我理解这个陌生代码库的技能"

opencode "对我的代码做一次 grill-me 评审"
opencode "用 TDD 方式给我的工具函数写测试"

Agent ──MCP──→ GitHub（提 Issue / review PR）
         ├──→ 浏览器（做 E2E 测试）
         ├──→ 数据库（查数据）
         └──→ Figma（设计稿转代码）

# 装一个试试
opencode "安装 GitHub MCP server，让我能通过你操作仓库"

# 自己写 MCP 最快方式
pip install fastmcp
fastmcp init my-tool

你提需求 → Agent 先出计划 → 你审计划 → 同意后再执行
          ↑
      关键转变在这里

你想先写清楚 spec 再编码      → spec-kit（GitHub 官方）
你想最大程度放手              → superpowers（subagent-driven dev）
你想要标准化的阶段流程         → GSD（规范驱动开发）
你需要多个 Agent 分工          → oh-my-claudecode（多 Agent 编排）
你要并行拆任务                → symphony（隔离自治单元）
你怕 Agent 丢上下文            → planning-with-files（文件级持久规划）
你想给 CC 配方法论骨架         → SuperClaude_Framework

# 先试 spec-kit（门槛最低，和传统开发习惯最像）
opencode "用 spec-kit 给这个项目加用户登录功能，先写 spec"

# 熟悉后试 superpowers
opencode "用 superpowers 方法论重构这个模块"

# 大任务用 GSD
opencode "用 GSD 方法论拆分这个功能并执行"

# 多任务并行用 oh-my-claudecode
opencode "用 oh-my-claudecode 同时修三个 bug"

你的项目 → 压缩 / 索引 / 记忆 → Agent 能"看见"整个项目

# 典型场景：项目太大，Agent 开始忘记前面的内容
repomix --style markdown --output /tmp/context.md
# 然后把 /tmp/context.md 告诉 Agent

你 Level 4 选了 superpowers → 不需要路线 A，subagent 机制已经解决
你 Level 4 选了 GSD        → 不需要路线 A，context engineering 是内置特性
你 Level 4 选了 spec-kit   → 路线 A 对你有用，spec-kit 不做上下文管理
你 Level 4 选了 oh-my-claudecode → 路线 A 对你有用
你没用方法论                → 路线 A，先试 repomix + claude-mem 就够了

一个项目经理 Agent ──拆任务──→ 前端 Agent
                      ├──→ 后端 Agent
                      ├──→ 测试 Agent
                      └──→ 运维 Agent

Level 0: 认知（半天）
Level 1: Claude Code / opencode（第 1 周）
Level 2: mattpocock(主力) → addyosmani(补充) → 按需（第 2 周）
Level 3: MCP — awesome-mcp-servers(90k) → modelcontextprotocol/servers(88k) → chrome-devtools-mcp(45k) → playwright-mcp(35k) → github-mcp-server(31k) → Figma-Context-MCP(15k)（第 2 周，很快）
───────────────────────────── Agent 专项结束
Level 4: 方法论 — superpowers(244k) → spec-kit(118k) → GSD(65k) → oh-my-claudecode(37k) → symphony(26k) → planning-with-files(24k) → SuperClaude_Framework(23k)（第 3-4 周）
───────────────────────────── 大多数人停在这里就够了
Level 5: 上下文 — 路线 A(独立工具) claude-mem(85k) → repomix(27k) → codebase-memory(24k) → context-mode(18k) → claude-context(12k) / 路线 B(方法论内置)（第 2 个月）
───────────────────────────── 以下是通用工程
Level 6: 多智能体 — agentscope(27k) → mastra(26k) → swarm(22k) → pydantic-ai(18k)（第 3 个月+）
Level 7: 生产化 — deepeval → tensorzero → SkillSpector（按需）