AI编程效率提升
AI 编程系列④：进阶自动化——Sub-Agent、Skill 与 Hook
前三篇把工具选型、协作方法论、工程配置都讲完了。这一篇是系列收尾，聊聊真正的进阶玩法——如何把 AI 编程推向自动化。
8 分钟
分享关于 Web 开发、编程技术和最佳实践的思考与经验
前三篇把工具选型、协作方法论、工程配置都讲完了。这一篇是系列收尾，聊聊真正的进阶玩法——如何把 AI 编程推向自动化。
前两篇聊了工具选型和协作方法论。这一篇讲具体的工程落地——UI 开发有哪些实用技巧，以及怎么通过配置让 AI 始终按你的规范干活。
上一篇聊了工具选型和模型选择。这一篇讲更重要的东西——怎么和 AI 协作。工具选对了只是起点，真正决定你产出质量的，是有没有掌握这套方法论。
折腾了大半年 AI 编程，踩了不少坑，也摸出了一些门道。这个系列是我的一次系统性复盘，第一篇先聊最基础的问题：工具怎么选、工作流怎么搭、模型用哪个。
从RAG智能客服到Agent智能体，再到强推理模型下的范式转移。记录从2024年到2025年Q4的AI产品实践历程，分享知识库建设、提示词工程、MCP架构治理与模型升级的深度思考。
将 RAG 拆解为冰山模型：冰山之下是离线数据工程（ETL + 向量数据库），冰山之上是在线服务链路（检索、提示词组装、生成）。核心难点在于 ETL 策略，而非数据库本身。
在AI Agent开发中，借助统一的前缀为工具进行分组，通过命名空间将同一类型或同一子领域下的工具归类，有效减少调用错误、提升可维护性，并有助于Agent工具自适应和推理。
从心态归零到建立规则，10条经过实战验证的AI协作核心实践，帮你从被动等待转变为主动掌控，真正将AI转化为高效的生产力工具。
从狂热到阵痛，三个月实践沉淀下的AI协作心法。从74次迭代的痛苦经历到95%需求由AI主导完成，分享一套稳定、高效的AI协作工作流与实践框架。