从 AI 能力的消费者，
到 AI 工具链的建设者。
我写了 7 年后端，从 MES、办公系统、智慧食堂，一路做到广告中台的资金链路。带过项目，也跑过客户现场，最熟悉的事一直是把系统做稳。
2026 年开始，我一边做自己的 GEO 项目，研究品牌怎么被 AI 推荐；一边给 Agent 写工具层，又用 Agent 重做了团队的研发流程。用得越多，越觉得问题不在模型多聪明，而在工程怎么兜底。
最近在做
- 重构把研发流水线重构了一轮：状态文件一任务一份，调度、审查和归档全部脚本化，还接入了 Qoder。
- 复盘一个字段的真实长度和文档不符，让一整组账号卡在待处理。结论已经写进审查规则。
- 开发继续做多账户广告投放平台，最近在理顺成员邀请和权限。
- 折腾GEO 项目还在继续。这个主页也是和 Claude Code 一起做的，推倒重来了好几版。
- 在想双模型交叉 Review：不同模型独立审查，有分歧再交给人。
让 AI 写代码不难，
难的是敢让它碰资金系统。
- ~27 分钟中等需求的 AI 执行时间（人工估算 4 到 6 小时）
- 0 / 0资金需求 V3 提交后的退修 / 线上故障
- 5 种AI 工具按协议协作，可中途替换
- 129 道规则回归考题，改流程同步改题
我相信的几件事，
都是踩过坑才信的。
01模型必然出错，只能靠工程兜底。
我们实测过：AI 会直接在 master 上改代码，不知道项目禁用 warn 日志，还会写“测试通过”但其实没跑。换更强的模型解决不了这些。所以我把每个会出错的环节都用流程堵住：独立 worktree、编码前的文档审查、完成后的强制验证。不指望 AI 不犯错，只要求它犯错时走不远。
02用格式约束幻觉。
AI 审核员也会写出听起来很对的结论，比如“异常处理看起来覆盖完整”，其实没有逐项核对。后来审查结论强制用 JSON，每一项都要填通过、不通过或不适用，空着就会暴露。自然语言给了模型含糊的空间，格式把这个空间收窄了。AI 和 AI 之间通信更是如此，协议必须没有歧义。
03开发文档是新代码。
任何人，包括 AI，都没法从代码反推业务语义。但只要文档写清了在哪个方法插入、判断什么条件、走哪个分支，换哪个 AI 都能实现。所以我把沉淀的重心从写好代码挪到了写好开发文档：文档审查不通过，就不许开始编码。
04叮嘱没用，要靠结构。
在 prompt 里写“写完方案先别编码，等我确认”，Agent 大概率照样一口气走完。后来我明白，能靠结构解决的就别靠提醒：编排器只发起“到这一步为止”的调用，卡口自然就有了。出过的事也一样，不是记在脑子里，而是变成一条能被检查的规则。
05开放给 AI 之前，先问什么不能开放。
有个需求是“把接口都 MCP 化”。盘点下来 1295 个接口，里面有批量确认退款，也有整体覆盖审核人名单。技术上都能接，但不该接，复核后明确排除了 545 个。做 Agent 的工具层，划线比接入更重要。
06失败策略要看后果。
钱包查询返回 null，看起来可以当作“非预付”放行，但那会绕过余额校验，所以宁可报错阻断。余额刷新遇到一个坏账号，就该跳过继续，不能让整批失败。没有通用的异常处理最佳实践，只有一个问题：这次出错的代价是什么。
结果只有一行，
难的是这一行背后。
- 易点天下广告中台的资金链路和稳定性，后来开始用 AI 重做研发流程。
- 瑞特认证检测技术负责人，从开发框架搭起，也做实验室的设备接入。
- 犀为数字科技开发负责人兼项目经理，MES、办公系统和智慧食堂，从需求跟到上线。
- 腾飞神州 · 都蓝网络写 Java 后台，也去客户现场确认需求。
- 西安电子科技大学本科，计算机网络技术。