AI 编程实践

这里记录把 AI 放进真实开发流程里的方法，包括需求拆解、代码生成、测试、重构、审查和发布。

已整理

• Codex 工作流：从澄清目标、修改代码、运行验证，到部署上线。
• Loop Engineering：把 Codex 变成工程闭环：用目标、上下文、worktree、skills、eval、sub-agent 和状态文件设计可持续运转的 AI 编程循环。
• 用测试约束 AI：用测试和验证约束 AI 生成代码。
• AI Eval Harness：把模型能力评估变成可重复的工程系统。
• 为什么说大部分 Skill 都是没用的垃圾：用 EDD benchmark 的真实结果，拆开 skill、提示词装修和可验证工程约束的区别。
• 深入理解 LlamaIndex：理解 RAG 框架边界和适用场景。