培训检查表

课前检查

• [ ] 讲师机器已安装 Git。
• [ ] 讲师机器已安装 Node.js。
• [ ] IDE 可以打开示例仓库。
• [ ] Claude Code 已按官方推荐方式安装，Windows 可运行 irm https://claude.ai/install.ps1 | iex，macOS/Linux/WSL 可运行 curl -fsSL https://claude.ai/install.sh | bash。
• [ ] Claude Code 已完成登录，在示例仓库根目录可以运行 claude。
• [ ] Codex CLI、Codex App 或 IDE 扩展至少一种入口可用。
• [ ] Codex CLI 如需现场演示，已运行 npm i -g @openai/codex 或 brew install --cask codex，并可在示例仓库根目录运行 codex。
• [ ] 可以本地运行示例项目。
• [ ] 浏览器可以打开本地预览。
• [ ] 已准备空仓库 ai-delivery-board。
• [ ] 已准备备用仓库，防止现场网络或登录问题。

课程材料检查

• [ ] 打开 培训总览。
• [ ] 打开 讲师流程计划。
• [ ] 打开 IDE 联动操作手册。
• [ ] 打开 标准化 MD 文件体系。
• [ ] 打开 Claude Code 从 0 到 1。
• [ ] 打开 Codex 从 0 到 1。

学员练习检查

每个小组需要产出：

• [ ] 一个 README.md。
• [ ] 一个 AGENTS.md。
• [ ] 一个 CLAUDE.md。
• [ ] 一个 requirements.md。
• [ ] 一个 acceptance.md。
• [ ] 一个 risk-register.md。
• [ ] 一次 Claude Code 或 Codex 的计划输出。
• [ ] 一次本地构建或手动验收记录。

讲师现场检查

• [ ] 每个实操段开始前先说明目标。
• [ ] 每次 AI 改代码前先让它复述目标和计划。
• [ ] 每次 AI 改完后展示 diff。
• [ ] 每次演示后运行至少一个验证命令。
• [ ] 每个模块结束时回答“PM 应该做什么，开发应该做什么”。

课后落地检查

团队在一周内完成：

• [ ] 为真实项目补 AGENTS.md。
• [ ] 为使用 Claude Code 的项目补 CLAUDE.md。
• [ ] 选一个低风险需求试运行 AI 协作流。
• [ ] 记录 AI 带来的返工、提速和风险。
• [ ] 把复盘结果更新到项目文档。

不建议做的事

• [ ] 不要把 AI 生成结果不审查直接合并。
• [ ] 不要把所有规则塞进一个超长文件。
• [ ] 不要在第一版示例里加入登录、数据库、权限和复杂部署。
• [ ] 不要让 PM 只写一句“做一个系统”。
• [ ] 不要让开发只看页面，不看 diff 和构建结果。