AI 编程、Vibe Coding、一人公司实战与工程化思考
用 AI 编程做项目时，四个核心难题——黑盒代码、自信幻觉、上下文膨胀、迭代黑洞。这些问题不是靠 Prompt 能解决的，需要框架层面的方案。
GIGO 原则：投喂垃圾上下文就会得到垃圾代码。AI 的上下文窗口昂贵，无关信息会稀释注意力，必须精准投喂。
Harness（驾驭框架）是多智能体编排架构，核心理念是将复杂任务分解为多个独立智能体，各自承担特定角色，通过结构化工件传递上下文。
人与 AI 协作的新模式：人类负责定义目标、审核结果、做决策；AI 负责执行、生成、迭代。你的角色从"写代码的人"变成了"产品主理人"。
将执行工作的智能体与评估工作的智能体分开。解决 LLM 自我评估失效问题的关键架构原则——AI 总是倾向于给自己好评。
LLM 驱动的执行循环是 AI-Native Agent 的核心。不同于传统 App 的 if/else 规则引擎，控制流由 LLM 在每一步动态决策。
Prompt 就是你跟 AI 说话的内容——你说的话越好，AI 的回答就越好。掌握 GIGO 原则，学会定义优于实现、分步骤引导。
春节期间用 Vibe Coding 做了两个站——AI 资讯速览和 AI 论文简报。从玩具到产品，中间差了哪些东西？
在实际开发场景中验证 AI 编程的投入产出比。从 PRD 到前后端代码，AI 能帮团队省多少时间？哪些环节不适合用 AI？
长任务中 AI 的上下文越来越长，质量不断下降。如何识别上下文过载？什么时候该重置上下文？