使用说明
这个课程还在进行中，目前正在调整中！
这是一种氛围：利用VSCode、GitHub Copilot（AI）和MCP服务器更智能地工作
一场实践工作坊，探索“氛围编码”——一种AI辅助的编程方法，它关注的是你想要实现的目标，而非具体的实现方式。无论你对“氛围编码”是驾轻就熟还是初来乍到，我们都将携手合作，设置工具以增强你的AI赋能工作流程。通过实际操作VSCode、GitHub Copilot以及MCP顺序思维，我们将发现AI开发如何改变你的日常工作。
研讨会概述
这个仓库包含了为期1.5小时的互动研讨会材料，该研讨会专为希望利用人工智能工具加速工作的学生、研究人员、研究生、博士后、教职员工和数据分析师设计。我们将通过展示使用功能性磁共振成像（fMRI）神经科学数据分析的实际应用，来说明“氛围编码”如何改变复杂的研究工作流程。
你将学到什么
核心概念“Vibe 编程”让你用自然语言描述需求，而人工智能则负责处理实现细节——非常适合探索性研究和快速原型开发。
我们将掌握的工具：
- **VSCode（Visual Studio Code，简称VSCode）**您的AI增强型开发环境
- GitHub Copilot基于人工智能的代码补全和聊天辅助
- MCP顺序思维复杂分析的分步问题拆解
实际应用我们将分析实际的fMRI脑成像数据，以展示统计分析、数据可视化和科学解释——这一切都将借助人工智能辅助实现。
学习目标：
-
使用Visual Studio Code（VSCode）搭建现代化的开发环境
-
安装并配置GitHub Copilot——您的AI编程助手
-
配置MCP（模型上下文协议）服务器以增强AI辅助功能
-
调查你工作中的潜在应用
-
实际应用：我们将分析真实的fMRI脑成像数据，以展示统计分析、数据可视化和科学解释——这一切都将由人工智能辅助完成。
入门指南/开始使用
- 研讨会前的准备工作按照以下说明操作
pre-class-installation.md - 研讨会体验逐项处理/逐一完成
Workshop-Updated.ipynb - 拓展学习探索
fMRI-EDA-Workshop.ipynb为了进行更深入的分析
目标受众
研究人员、数据科学家以及希望：
- 借助人工智能辅助，加快他们的编码工作流程
- 把更多时间放在科学见解上，而少关注语法
- 学习现代工具以提高生产力
- 探索人工智能辅助的数据分析方法
工作坊理念
本次研讨会将探讨人工智能编码助手如何重塑您的开发工作流程。您无需提前规划每一个细节，而是将学习如何利用人工智能进行快速原型设计、基于解释的学习，并将更多时间投入到研究问题上，而非实现细节上。我们将帮助您评估这些工具是否能显著提升您的工作效率，还是仅仅为现有实践增添了一层负担。
资源
- 耶鲁图书馆生成式人工智能研究指南 https://guides.library.yale.edu/gai/home 翻译为中文是：“耶鲁大学图书馆指南/GAI/主页”
- GitHub Copilot 教程 https://github.com/features/copilot/tutorials 翻译为中文是：“https://github.com/功能/代码协作助手/教程”。不过，为了更自然地表达，我们可以稍作调整，翻译为：“GitHub上的代码协作助手（Copilot）教程”
- VS Code简介 https://code.visualstudio.com/docs/introvideos/basics 的中文翻译为：“https://code.visualstudio.com/docs/introvideos/basics（Visual Studio Code 基础知识介绍视频）”。不过，通常我们不会直接翻译网址，而是直接引用或说明其内容。在这里，为了保持语境的完整性，可以简要说明该链接是关于 Visual Studio Code 基础知识的介绍视频
- 模型上下文协议 https://github.com/modelcontextprotocol（该网址可直接翻译为“GitHub上的modelcontextprotocol项目”，但通常网址本身不直接翻译，保持原样即可，若需说明，可加上“这是GitHub上的一个名为modelcontextprotocol的项目或仓库”）
