AI 进团队后，我为什么不急着先谈自动扩编
从一次关于团队扩编的提醒出发，复盘我为什么会先看能力结构、角色边界和协作链路，而不是急着先谈工具提效。
Latest Posts
个人用得顺的 AI Coding 经验，为什么一进团队就很难直接复用
从 Maglev 仓库里的入口、项目落点和分发链路出发，解释个人 AI Coding 经验为什么很难直接升级成团队可复用的组织规则。
从技能集合到能力系统：我最近重新理解 Skill 的方式
从近期对 Skills、Rules 和目录生态的再观察出发，解释我为什么开始把问题从“找 Skill”转向“组织 Skill”。
一天里切三次工作模式后，我开始更重视认知切换成本
从同一天里的仪式表达、项目推进和深度研究三段状态出发，整理我现在如何管理认知切换成本。
做完一轮 AI 课程后，我为什么不再满足于只讲工具
基于一轮课程实践，复盘我为什么不再满足于把 AI 课程做成工具导览，而更倾向把它拆成新手导流、任务实战和组织赋能三层。
生产发布后，最难收尾的往往是数据口径
从一次匿名的数据看板发布场景出发，讲讲我为什么越来越把数据口径解释当成交付本身的一部分。
我的一个补盲习惯：只看会议不够，我还会看聊天信号
从一个会议很少、代码提交也不多的工作日出发，解释我为什么会把聊天信号当成项目进展补盲层。
把 AI 接进评审后，我为什么更把它当校准器
当 AI 已经进入评审流程后，我更关心的不是它能不能直接拍板，而是它是否更适合承担校准标准、暴露分歧和辅助边界判断的角色。
我怎么设计一套带 AI 辅助的课程评审机制
当课程进入作品评审阶段，我更关心的不是让 AI 直接给分，而是先把评审维度、分歧暴露和人工复核机制搭清楚。
AI-first 设计系统的两条路线：格式层 vs 引擎层
当我围绕一个内部组件库样本验证 AI 驱动的设计系统引擎时，Google 发布了 DESIGN.md——一个只有 1 个文件 + 4 条命令的方案。这不是竞品——这是路线分歧。格式层和引擎层，代表了 AI-first 设计系统的两种哲学。
Page 1 of 20Next