踩坑与思考墙
目前 31 张，每一张都是真实项目里撞出来的，定期往上钉新的。手机上点一下便利贴可展开全文。
血泪教训
并行管道不设限流，等于给单点故障装了放大器一个跑飞的进程能把资源吃光，然后全线停摆——并行放大的不只是吞吐，还有异常。写管道的第一件事是先定并发上限，不是先让它跑起来。
信任是一点点攒的，崩塌只要一瞬间一次没做好的版本迭代，就给项目带来了沉重的打击——之前每天按时、结果对得上攒下来的信任，被这一次抵消掉。所以上线前多花的那点验证时间，永远比事后解释便宜。
被 AI 判了「屎山」，我才写下第一个回归测试让 AI review 自己的项目，评级不留情面。修复方式不是重写，是冻结一份金标准快照＋断言：数字对不上，就不许说「做完了」。
开工前先写「怎么判断它是对的」做完以后，用什么命令、看什么数字来验收——开工前先把这句话写下来。它既是测试的雏形，也是给 AI 最好的约束。
「看起来在跑」≠「真的在工作」cron 曾静默失败 22 次才被发现。沉默的成功和沉默的失败，外观上一模一样——所有自动化必须有失败告警。
接口说「成功」，不等于数据真的进去了飞书接口返回 200，数据却没写进表。从此写入后必须回读校验。
先讨论，再动手方案没对齐就写代码，返工成本是讨论的十倍。长任务要持续汇报进度。
「两三天就能做完」是幻觉原型 ≠ 生产交付，中间隔着守护、告警、边界、验收。速度感需要被校准。
不确定就说不确定一次说「能用」实际不能用，要用十次「真能用」来弥补。信任的账户经不起透支。
先备份，再改生产生产环境里没有「应该没事」。改之前留退路，是对自己最便宜的保险。
新功能先「接入不启用」接进系统但保持关闭，验证完再打开。灰度是穷人也用得起的发布策略。
配置和工具维护是隐性成本统计过自己的 session：24% 的时间花在配置、环境和工具链上。这是 Vibe Coding 没人告诉你的账单。
多 agent 互联的第一晚，它们聊了一整夜两个 agent 无限互相礼貌回复，token 烧到天亮。频率限制和断路器不是可选项。
中文和 Windows，是自动化的两大天坑全角标点、编码、路径分隔符——在这上面栽的跟头比任何算法都多。
前 80% 都轻松，后 20% 定生死原型阶段谁都快。决定项目到底好不好、有没有人真用的，全在最后 20%——也最难。不写规范测试、不做规范 review，技术债越滚越多，越往后越写不动。
深度思考
备多则力寡摊开的战线越多，每件事能分到的注意力就越少。做事要聚焦，先把最重要的一件事做成，再开下一条线。
德鲁克的账本：技术不创造顾客，就记在成本侧「企业的目的是创造顾客，营销和创新是仅有的两项产出职能，其余皆为成本。」注意他的记账方式——懂技术本身不在产出侧；技术若不直接创造顾客，就被记进成本。
行动倾向公式行动倾向 ≈ 价值优先级 × 自我效能 × 路径清晰度 × 反馈速度 × 环境支持 ÷ 即时成本
AI 是打字员，我是架构师＋审查员＋验收员要练的不是写代码，是三样：把需求翻译成验收标准、读 diff 的眼力、把纪律做成机制。代码 AI 来打，责任我来扛。
不信自觉，只信代码里的闸审核闸、双闸激活、自动快照——给别人的系统装惯了 quality gate，才发现自己的开发流程也需要同一套哲学。踩一次坑，写成一条规则，下个会话自动生效——这个循环会复利。
我真正在做的实验只有一个一个资源有限但行动很快的个体，能否借助 AI 拥有一支小团队的执行力。所有项目都是这个问题的子问题。
项目多 ≠ 交付多没有闭环的项目，经历会蒸发。做过一半的十件事，不如完整交付的一件事值钱。
什么才算「交付」？有真实使用者、连续使用两周以上、有反馈迭代、能复盘。达不到的都叫「做过一部分」，不能包装成案例。
AI 是执行者，不是决策者一月份我以为 AI 是有趣的工具，四月份明白：方向、验收、责任，永远在人手里。
企业不关心你用什么模型它们关心结果：省了几个人力、多接了多少客资、错误率降了多少。技术叙事要翻译成业务语言。
把复杂现实压成能跑的最小系统AgentLink 从重架构收敛到 200 行，客服从理想路线收敛到现实路线。成熟不是做得更复杂，是收敛得更狠。
Context 是 AI 时代的杠杆AI 越强，越需要高质量的个人上下文。我把 1400+ 个 session 蒸馏成 agent 可继承的书——经验不该随对话结束而死。
内容不是表达，是入口写出来的每一篇案例，同时是获客渠道、信任凭证和能力证明。做了不说，等于没做。
路径：先交付 → 再案例 → 再方案 → 再产品顺序不能跳。没有交付的方案是 PPT，没有案例的产品是自嗨。
先锋不是自称的，是打出来的等有了完整案例、稳定收入和外部认可，头衔自然会来。现在的身份就一个：真实业务里的 AI 自动化交付者。
用户要的，不是你觉得好的做产品最大的陷阱，是把自己觉得好用、方便当成用户的需求。必须钻进真实使用者里，调研他们的意见。企业 AI 落地同理——脱离用户做出来的东西，再漂亮也没人用。