分享下工作中的 AI 实践，现在模型用 glm5.2 更多，工具司内用的，写得很糙，也不放出来了，纯唠嗑下，想看看这种实践方向对不对，有没有更好用的。 设计 前提是有一个让 AI 能够记录错误、任务、项目等信息的 环境 。 实际上就是个 cli 工具，再用 skill + hook 去教 AI 用这个 cli ，以及设计工作流、记录机制。至于 记录 就是一堆有目录结构的 md 、yaml 、json 文件，放到了 ~/ 下的一个文件夹里。 在这个环境下，让 AI 放手去干，不需要提前喂入私域知识 skill 文档。 刚开始，AI 肯定会错，人工介入得会很频繁，会遇到各种烧脑的错误，代码也要逐行 cr ，但哪怕只是改一行入参错误，也要在对话框中告诉 AI 原来为什么错，应该改成什么。环境会让 AI 能够记录这些信息。等 AI 熟悉项目后，就轻松了。 不需要担心有限的上下文，subagent 也不必要，一旦触发压缩，让 AI 读取回环境中记录的任务、环境上下文即可，在环境信息足够的一次对话下，AI 经过多轮压缩后还能保持工作流，并完成任务。 实际开发需求，往往涉及很...