AI 写出的代码在单文件里看着挺对，一放进真实仓库就出问题——记录几条实用习惯：先喂上下文和约束、先让它读代码拆计划、每轮改完必测，以及上下文窗口、工具调用、评测这些容易被略过的细节。

调通工具只是开了个头，参数错了、接口超时、结果不完整，这些失败路径没处理好，Agent 很快会变得不可靠；这篇讲清楚怎么统一处理工具错误、参数校验和调用日志。

结合几次业务里踩过的坑，聊聊 Prompt 工程在真实系统里到底该管什么：输入结构、输出约束，以及哪些判断不该交给模型自由发挥。

结合几次 AI 应用迭代经历，聊聊为什么系统输出不稳时，很多问题其实不在模型，而在上下文怎么组织。

记录和 AI 编程助手协作时更稳定的工作方式：先读代码、拆任务、说明改动，再执行和验证。

什么时候该让模型自己规划，什么时候必须把流程写死，这篇结合两次自动化项目的实际取舍聊聊怎么判断。

从业务落地角度讨论 AI 应用评估该看什么，为什么只看 Demo 很容易高估系统能力。