笔记
这里记录工作流设计、实现细节，以及让 AI 工具在业务场景中更稳定、更可用的实际决策。
当前从一篇已发布备忘开始，后续会继续聚焦检索、编排、调试和交付，而不是泛泛评论。
从 step planning、tool selection 到 human-in-the-loop，拆解一个可维护 Agent 工作流的基本结构。
从标注集、Recall@K、MRR、NDCG 到人工复核，整理 RAG 检索质量的评估路径。
把自然语言需求转成订单草稿，再让用户确认，是更稳的业务接入方式。
如何在不公开代码的前提下，仍然把全栈产品的工程能力展示清楚。
观察图像生成工作流里的参数控制、API 交接、队列行为与失败处理。
为什么 embeddings、相似度调优和结果复核比一次检索成功更重要。
如何把重复业务任务拆成 prompt、工具调用、复核步骤和兜底路径，让团队真的能使用。
把 prompt 从一句指令变成可迭代、可复核、可交接的工作流资产。
如何把 Agent、RAG、私有全栈和开源工具放到同一条叙事线上。
如何把 AI IDE 当作协作工具，而不是只用来生成代码。
