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。

AI 的记忆系统沿着"外部检索 → 内化记忆 → 复合生命周期"演进。看懂这条路径，就能理解各种记忆方案在拼图里的位置。

把一个概念从 1 类拆成 N 类，不是"加个 if"，而是架构适配。改动散落到所有消费点，漏一处就是一个 bug。

应用部署到 nginx 子路径下页面全白，根因往往是应用内部用了绝对路径，被 nginx 的 catch-all 静默吞掉。200 但内容是错的，比 404 更隐蔽。

处理图片时最常见的选择错误，是把"提取文字"和"理解内容"混为一谈。两种需求，两类工具，先分清楚再动手。

个人跑业务服务器的日常检查清单——磁盘红线、内存尖峰、常驻服务、安全规则、清理动作，以及三条用挂一次换来的教训。

装 skill 像买书，装完就完。但 skill 越多，AI 干活前的选型成本越高、token 越浪费、互相调用越混乱。治理的关键是做减法。