ACI

AI 素养 · AI Coding Literacy

从“会调用 AI”，进阶到“能设计、监督并反思 AI 参与的问题解决过程”。

ACI 是一套面向 AI 时代的基础职业能力框架，帮助人们将 AI 转化为可理解、可使用、可验证、可反思的问题解决工具。

英文名称中的 Coding 不只指软件编程，也指借助自然语言、代码、工具和智能体，把模糊目标逐步“编码”为可执行、可验证、可改进的解决方案。

ACI 关注四组逐步深入、又相互循环的能力：

1. 理解（Understand）：理解 AI 的基本机制、能力边界与风险。
2. 使用（Apply）：把 AI 组织进真实任务，提升效率与产出质量。
3. 监控（Evaluate）：评估 AI 结果、协作过程以及自己的使用能力。
4. 批判性思考（Reflect）：讨论人的主体性、责任、职业变化与社会影响。

项目最初的定义线索来自 Wikipedia 的 AI literacy 条目，并沿着条目引用继续核对原始研究。Wikipedia 在这里用于发现概念与建立导航，不作为重要结论的唯一证据。详见灵感来源与阅读索引。

当前版本

当前为公开预览版 v0.1.0。它提供：

• 四模块学习地图与首批核心文章；
• 可复用的人机协作方法；
• 本地运行、不上传答案的 ACI 基础评估；
• 分级资料索引、引用规则与长期维护 Memory；
• 基于 VitePress 的中文知识站点。

这不是 Prompt 合集、AI 产品排行榜或权威认证。ACI 更关注可迁移的问题解决能力，而不是对某个模型界面的熟练度。

AI Coding 工程实践扩展（持续更新）

本学习包把 ACI 的四模块应用到软件工程场景，覆盖计算机基础核验、Spec Coding、既有项目修复和本地 Coding Agent。它是专业化学习材料，不替代当前 16 题 ACI 基础评估。

建议按以下顺序阅读：

1. ACI 工程实践扩展：六项工程能力、四模块映射、12 周路线与练习自评；
2. 技术与工程练习笔记：算法、操作系统、网络、数据库、深度学习、Agent、RAG、LLM 系统与工程题；
3. Spec Coding Playbook：行为复现与 Brownfield 修复流程、提示词和验证清单；
4. 本地 AI Coding Agent：工具、权限、上下文、隐私、完成标准与评测；
5. 纠错与复盘方法：匿名化纠错示例、答案适用边界和长期归档模板；
6. 提示词、约束与 Harness 思维：任务契约、上下文投影、工具边界、恢复、受控终止与证据化评测。

推荐学习闭环：

练习诊断 → 补基础 → 手写规格 → 驱动 AI 实现 → 用测试验收 → 错题复盘 → 间隔复习

本地运行

需要 Node.js 18 或更高版本：

npm install
npm run docs:dev

执行完整检查：

npm run check

从哪里开始

• 阅读什么是 ACI；
• 按学习路径选择入口；
• 完成基础评估；
• 查看路线图或贡献指南。

项目结构

• docs/：面向读者的正式知识内容；
• assessment/：题库、评分方法和评估版本记录；
• sources/：来源登记与复核状态；
• memory/：项目目标、决策、进度和维护上下文；
• .github/：协作模板与自动检查。

开源许可

• 代码采用 Apache License 2.0；
• 文章、图表与题库采用 CC BY-SA 4.0。

完整说明见 LICENSE 与 LICENSE-CONTENT.md。第三方材料仍受其原始许可约束。