了解更多：https://bit.ly/4q6zSEc
像 Claude Code 和 Codex 这样的 AI 编程代理为你提供了一套现成的工作方式。但这种便利性是以牺牲控制权为代价的：你无法掌控哪些模型在运行、花费多少，以及有哪些数据离开了你的机器。
在我们的新课程《AI 编程工作流：从云端到本地》中，我们与 JetBrains 合作开发，并由 JetBrains 开发者倡导者 Paul Everitt 授课。你将逐步重新夺回控制权。
你将在不同的设置中重建同一个 Python 应用程序：首先从 Claude Code 基线开始，然后使用将任务分解为专注子任务的子代理进行构建，接着在常规工作中使用更便宜的模型。在此基础上，你将切换到开源编程代理，将其连接到不同的推理提供商，并最终在自己的机器上运行模型。在每一步中，你都将看到这些变化如何影响成本、速度和用法。
在本课程中，你将学习： - 如何在具有专注上下文和明确规范的专用子代理之间分配工作； - 如何将不同的模型分配给不同的任务，将前沿模型保留用于处理复杂部分； - 如何更换编程代理并将其连接到不同的推理提供商； - 如何在本地运行模型，并了解完全本地的设置能带你走多远。
到课程结束时，你设置的每一层都是你自己的选择。
立即报名：https://bit.ly/4q6zSEc