想让 AI 理解代码库，"函数被谁调了"和"系统为什么这么设计"是两个层次的问题，对应两类不同的图谱工具。

守护进程内置的定时任务如果用 UTC 解析 cron，配置的"凌晨低峰"实际会在北京时间上午 10 点跑——正好撞高峰。

数据从源头流到页面要过六道关口，每一道都可能引入偏差。在最后一个阶段才抓问题，等于把全部赌注押在末端。

Docker 不是所有部署的答案。用错时机、碰错红线，一次构建打满系统盘就能让所有服务一起卡死。

Vibe coding 让人爽在"一句话出代码"，但项目一旦长期化就崩。Spec coding 不是流程化，是把项目事实从对话里沉淀到结构里。

后端转前端的真实路线——Next.js、React、Tailwind、组件库，以及每个技术点背后踩过的构建坑。

让 LLM 直接生成前端，你会得到一份"安全但没灵魂"的页面：蓝紫配色、卡片 grid、眉毛标签、零动效。问题不在模型，在流程。

个人知识库最怕变成"剪藏垃圾场"。用类型决策树、受控模板、MOC 导航和裸链接，让知识库既给人看也喂得动 AI。

每个 AI 工程师都该学 LangChain，但不是每个项目都该用 LangChain。框架选型的关键，是先分清"通用框架"和"专用系统"。

项目里要用多个厂商的模型，统一网关帮你把"用哪个模型"变成一次配置。但模型跨渠道挂载、额度耗尽、嵌入维度不兼容，每个都是坑。