有个团队接入了 AI coding。
周一，一个需求刚写完，AI 已经把接口、页面和测试草稿铺出来了。

周三，PR 列表开始变长。
代码能跑，测试是绿的。 review的人看了半小时，找不到明显的问题，也说不出它是安全的。

周五，发布前最后一个 PR 卡住了。 没人愿意点 merge。
因为点下去的人，要对后面的系统负责。

Sonar 2026 说，96% 的开发者并不完全信任 AI 生成的代码。 但每次提交前都会验证的人，不到一半。
ProjectDiscovery 2026 也看到同一件事： 代码变快了，安全团队被压得更紧了。很多时间花在手动确认问题上。

我们看 GitHub 公开轨迹。 有 AI coding 证据、也有代码产出的人里，稳定参与 review 的是 24.3%。 同时留下 review 和 issue 反馈轨迹的，是 9.4%。

AI 会让代码越来越多。
但最后让代码进入系统的，还是人。

用过 Claude Code 或 Cursor，难免会好奇：它是怎么自己读文件、调工具、一步步完成任务的？

这本小册以开源项目 x-code-cli 为主线，把终端 AI 编程助手的工程实现拆开来讲：Agent Loop、工具系统、上下文压缩、权限模型、终端渲染，40 章从零走到生产级实现。每章对应可克隆的源码状态，不只是读原理，也能对照改。

原价 ¥99，限时 ¥49.5。