Hi~
我是 Mr.Ms.Dr.Prof.Sr.Bear.SPJbuMexSrrqHatLdr.ogzSkCV. fgzSkCV  .BUmEXq  Best！

试过大多数 Coding Agent，发现它们常有同一个问题：任务实现过程中，一旦发现问题（比如发现某个函数并不能达到预期）、换了方案（整体方案重做），或者只是想微调（实现细节调整）一下，之前为旧方案加上的逻辑和数据定义，通常不会被主动撤回。 AI 会直接开始新的实现、写一个新的函数、创建一个新的类等等。新旧方案越叠越多，最后难免堆成一座屎山，还是得靠人回头检查：哪些函数、逻辑和字段已经不再需要。 可以给负责实现与修正的 Agent 加上类似下面这样的一条 rule： 每次调整实现方案或修正问题后，检查本次修改涉及的代码逻辑和数据定义，确保每项内容都确有保留的必要。发现未使用的函数、冗余逻辑或不再需要的数据字段时，应一并清理。 如果使用 git-commit 之类的 skill，可以让 Agent 在每次提交前，自动检查本次修改涉及的逻辑和数据定义，确保未使用的函数、冗余逻辑和不再需要的数据字段都能及时清理掉。

有了 AI，更需要规范，否则只会加速熵增。 十个项目十种架构、十种交互、十种数据结构，相似的逻辑各自在内部造轮子。

很多 AI 产品看起来是在卖产品，其实更像是在卖模型。 从客户视角看，最终交付质量往往先取决于模型强不强。那问题就变成了：如果高质量产物主要靠模型，产品自己的核心竞争力到底在哪？

思想是有力量的。你如果一直往负面去想，很多时候真的会把自己慢慢推向负面。 反过来也一样。可以先有点像骗自己那样，假装自己很好奇，假装对很多食物、很多小事都觉得新鲜。慢慢地，那股好奇心反而真的会重新长出来。 有点像给自己打一枚思想钢印，做一场温和的自我攻略。

现在很多 AI 的落点还停在提效上，市场也开始更认真地审视它到底能不能兑现收益，所以情绪一直阴晴不定。 如果接下来能出现几个更直接的盈利场景，让大家真正看到 AI 不是只会省钱、也能持续赚钱，那大概就是离下一轮 AI 概念爆发最近的风口了。