Super Individual Program

“超级个体” 培养计划

第一期 全栈开发能力培养

培训人 诗雅 + 陈明
Course Outline

课程目录

Chapter 01

培训计划总览

Chapter 01

培训计划具体内容

第1节 AI基础
AI、Agent相关概念
Agent产品选择
常诗雅 + 陈明
6月1日
第2节 需求理解
产品接到需求时会做哪些事
AI 可以如何参与需求理解
常诗雅
6月5日
第3节 前端开发
前端基础知识与开发规范
原型与 AI 辅助前端开发
陈明 + 常诗雅
6月8日
第4节 后端开发
后端基础知识与开发规范
PRD 与 AI 辅助后端开发
陈明 + 常诗雅
6月12日
第5节 数据库应用
数据库基础知识与使用规范
AI 辅助数据库与后端协同
陈明 + 常诗雅
6月15日
第6节 上线部署 / 数据观测 / skill封装
上线部署基础与操作规范
数据观测分析与 skill 封装
陈明
6月22日
Chapter 02

AI 相关概念基础介绍

Chapter 02

AI的关键发展历程

AI对话
LLM-chat
AI执行
AI Agent多样性发展
体系化基建
基建底层-知识库
Chapter 02

AI相关概念

01
LLM训练相关
02
LLM使用相关
03
AI Agent相关
Chapter 02

LLM选型—优缺点

LLM 优势 短板 背后生态
Gemini
学术研究 行测
中文表达稳定性一般 Google 搜索 / Workspace / Android
deepseek
性价比 申论-政府语言
长文本与复杂工具协同偏弱 开源社区 / API 平台 / 中文场景
Kimi
长文本 搜索整理
代码与复杂推理场景偏弱 Moonshot / 长上下文 / 浏览器场景
豆包
通用助手 内容运营
深度推理与专业开发偏弱 字节 / 抖音 / 企业协同
千问
企业能力 业务集成
通用创意表达相对不突出 阿里云 / 百炼 / 电商生态
即梦
生图/生视频 人像/运营
文本推理与复杂任务能力弱 字节内容生态
可灵
生视频 分镜拆分
长文本理解与复杂指令偏弱 快手内容生态
Claude
全能 技术开发nice
国内使用门槛相对较高 Anthropic / API / 安全对齐
GPT
全能 逻辑推理nice
成本与中文本地化压力更高 OpenAI / API / 多模态产品
LLM的选择,可以同时考虑模型能力、短板与背后生态的匹配性
Chapter 02

LLM选型—成本

先看 单次调用价格差异,再结合业务阶段和交付场景做成本策略调整,避免“模型选贵了”或“为了省钱牺牲核心质量”。
1
直接价格成本的比较
  • 不同模型的价差非常大
    同样的任务,在轻量模型和高阶模型之间,单次成本常见可以差到数倍,极端情况下甚至更高。
  • 辅助决策,不是背价格表
    让大家明确“贵多少、差在哪、值不值”,从而决定用最强模型还是够用模型。
2
业务阶段及成本策略调整
  • 探索阶段
    结合业务场景做合适模型选择,可以以“突破难点”为前提,做一些适当成本妥协。
  • 落地阶段
    在不影响或可接受核心质量交付的前提下,做模型对比,优先选更便宜的模型,保障性价比。
3
交付场景及成本策略调整
  • 对内 - 一次性生产 - 多次复用型
    以质量优先,可以接受跑完后多次复用,以实现成本平摊。
  • 对外 - 反复调用 - 交互场景型
    以成本优先,控制单次调用成本,避免被盗刷风险和高频请求放大消耗。
Chapter 02

Agent的基础结构

Industry View
行业顶尖大佬们认为的 Agent
调用 LLM
调用工具
架构编排
AI 自主决策
示例:codexClaude CodeOpenClaude...
Business Practice
业务落地中普遍实现的 Agent
上游
调用 LLM
中层
架构编排与流程设计
下游
调用工具
注释:大部分难以让 AI 自主决策
Chapter 02

架构编排解决什么问题

01
遵守规则
把业务约束、输出格式、权限边界前置到流程里,避免模型自由发挥导致结果漂移。
02
数据处理
先做解析、清洗、归一化,再交给模型和下游模块,保证不同输入都能进入同一种稳定结构。
03
工具调用
明确什么时候调用什么工具、如何传参与回收结果,让工具成为流程的一部分,而不是偶发外挂。
04
管理记忆
控制短期上下文、任务状态和关键结论沉淀,减少多轮交互中的遗忘、重复和上下文污染。
Chapter 02

常见Agent搭建思路 · 单一链路型

1. 单一链路型
Single-Agent Chain
结构类型
单Agent直连执行链路
适用场景
任务简单、步骤少、无需拆解
能力边界
适合单轮或短链路任务,不擅长复杂协作、并行拆解与动态调度。
用户输入
一个Agent
最终输出
调用工具 / 知识库
Chapter 02

单一链路型 · 示例说明

Chapter 02

常见Agent搭建思路 · 角色分工型

2. 角色分工型
Role-Based Multi-Agent
结构类型
多Agent串联协作
适用场景
任务有明确固定的步骤、可线性拆分
能力边界
适合流程清晰的链式任务,但不擅长面对动态步骤变化和复杂并行依赖。
用户输入
需求分析师
资料研究员
报告撰写员
最终输出
需求分析师
职责:拆解任务、识别约束、整理输入
资料研究员
职责:调用工具、检索资料、补充证据
报告撰写员
职责:整合结果、形成方案、输出报告
Chapter 02

角色分工型 · 示例说明

Chapter 02

常见Agent搭建思路 · 层级规划型

3. 层级规划型
Hierarchical Planning
结构类型
主管规划 + 子Agent并行执行
适用场景
任务复杂、步骤动态、需要并行 / 聚合
能力边界
适合复杂任务编排,但对调度能力、上下文控制、结果汇总质量要求更高。
用户输入
主管Agent(规划 + 分解 + 调度)
需求拆解示例
把“培训方案”拆成目标、页面、交付物
资料检索示例
分别查找案例、知识点、可用工具
任务执行示例
生成大纲、整理结论、输出课件初稿
主管汇总输出
最终输出
Chapter 02

层级规划型 · 示例说明

Chapter 02

Agent的2个方向

Agentc
agent + cron + im
试用场景
适合需要持续运行、定时触发、消息驱动协作、自动巡检和周期性业务处理的场景。
能力边界
更偏向流程自动化和任务持续执行,对深度领域推理和复杂专业判断的稳定性要求更高。
Agent难点
定时调度可靠性、消息状态管理、长期运行稳定性、多轮上下文衰减与异常恢复机制。
垂直Agent
领域知识 × 规则
试用场景
适合代码、法务、财务、运营、教育等有明确领域知识、规则约束和标准流程的专业场景。
能力边界
强依赖领域知识沉淀与规则设计,跨域泛化能力有限,迁移到新业务时需要重新定义约束体系。
Agent难点
知识结构化、规则显式化、输出稳定性、边界兜底与专业结果可验证性。
典型产品
OpenClaw 等持续运行型 Agent 平台
典型产品
CodexClaude Code
Chapter 03

AI Agent工具选择与安装

Chapter 03

市面上常见的AI Agent工具

工具名
Codex
工具类型
coding
交互方式
CLI GUI
可接其他模型
适用人群
全人群可用
适用业务场景
代码开发、需求拆解、仓库改造、命令执行、工程级交付。
安装困难
工具名
Claude Code
工具类型
coding
交互方式
CLI GUI
可接其他模型
适用人群
全人群可用
适用业务场景
代码重构、调试排障、脚本编写、项目理解、技术方案整理。
工具名
Gemini CLI
工具类型
coding
交互方式
CLI
可接其他模型
适用人群
开发人员
适用业务场景
搜索增强开发、资料梳理、文档总结、多仓库辅助分析。
工具名
Cursor
工具类型
coding
交互方式
GUI
可接其他模型
适用人群
开发人员 微代码应用
适用业务场景
IDE 协作开发、页面原型实现、前后端联调、个人开发提效。
工具名
扣子
工具类型
workflow
交互方式
GUI
可接其他模型
适用人群
微代码应用 程序小白
适用业务场景
企业助手、客服问答、内容生产、飞书 / 微信生态业务接入。
工具名
Dify
工具类型
workflow
交互方式
GUI
可接其他模型
适用人群
开发人员 微代码应用
适用业务场景
知识库问答、内部流程编排、业务 Agent 搭建、团队协作验证。
先看工具交互形态,再看它最适合承接哪类业务场景,避免只按“模型强弱”做选择。
Chapter 03

coding工具推荐 · Codex 客户端版

为什么优先推荐

  • 安装入口直接,Windows 可以从 Microsoft Store 安装。
  • 用图形界面选择工作目录,更适合第一次上手和培训演示。
  • 不需要先理解终端命令,也能开始读代码、改代码、执行任务。
适合人群:完全新手、非开发同学、希望快速开始的人。
Microsoft Store 中搜索 Codex
图 1:Microsoft Store 安装入口
Chapter 03

coding工具推荐 · Codex CLI版

适合已经能接受命令行工作流、希望更贴近工程现场的人。

推荐原因

  • 最贴近真实开发流,适合在具体项目目录里直接运行任务。
  • 对目录、脚本、命令和代码改动的控制感更强。
  • 更适合演示“进入项目目录 → 启动 Agent → 执行任务”的完整链路。
cd 你的项目目录
codex
命令行启动 Codex
图 4:命令行启动 Codex
Chapter 03

coding工具推荐 · VS Code

适合原本就在 VS Code 里写代码的人,把 Agent 协作直接接到现有开发界面中。

为什么推荐

  • 不用切换工具,继续在熟悉的编辑器里完成编码、联调和修改。
  • 更适合边看文件、边提需求、边接受 AI 修改建议。
  • 适合作为团队里“开发人员默认入口”的推荐方案。
建议搭配 Codex 官方插件一起使用,降低界面切换成本。
VS Code 中安装 Codex 插件
图 5:VS Code 扩展安装界面
Chapter 03

辅助工具推荐 · CC Switch

当团队同时使用 Codex、Claude Code、Gemini CLI 等多个工具时,CC Switch 适合作为统一的 Key 与供应商切换入口。

解决什么问题

  • 多工具切换时,不用反复手改不同客户端的配置文件。
  • 把多个供应商配置集中管理,减少 Key 分散和配置混乱。
  • 适合培训现场统一演示“同一工具切不同模型/平台”的使用方式。
Codex 配置示意
图 8:Codex 配置
Chapter 04

工具的基础配置

Chapter 04

LLM-key配置

CLI 配置文件位于用户目录 .codex,API Key 主要放在 auth.json 中管理。

配置路径

  • Windows:C:\Users\你的用户名\.codex\
  • macOS / Linux:~/.codex/

auth.json

{
  "OPENAI_API_KEY": "你的API密钥"
}
配置提醒:API Key 属于敏感信息,只放在本地配置文件中,不要写进代码仓库或前端页面。
Chapter 04

LLM-参数配置

模型名称、供应商、推理强度、代理地址等参数,主要在 config.toml 中配置。

config.toml 示例

model_provider = "packycode"
model = "gpt-5.3-codex"
model_reasoning_effort = "xhigh"
disable_response_storage = true

[model_providers.packycode]
name = "packycode"
base_url = "https://www.packyapi.com/v1"
wire_api = "responses"
requires_openai_auth = true

[projects."/home/admin/work/word"]
trust_level = "trusted"

[tui.model_availability_nux]
"gpt-5.3-codex" = 4
"gpt-5.4" = 1

重点参数

  • model_provider:指定走哪个模型供应商。
  • model:指定默认使用的模型。
  • model_reasoning_effort:控制推理强度。

常见调整项

  • base_url:切换官方或代理地址。
  • trust_level:配置项目目录信任级别。
  • 不同项目可按目录维度做差异化配置。
Chapter 04

工作区全局规范配置(AGENTS.md)

规范原文

# AGENTS

本文档定义当前工作区的通用开发约束,适用于本目录下各项目及后续新增项目。

若当前工作目录或其上层存在更近的 `AGENTS.md`、`README`、`CONTRIBUTING`、设计文档或明确任务说明,按以下优先级执行:

1. 离当前工作目录最近的 `AGENTS.md`
2. 当前仓库内的 `README`、`CONTRIBUTING`、计划文档、设计文档
3. 本全局 `AGENTS.md`
4. 通用默认习惯

若规则冲突,优先遵循更近的规则,并记录冲突点、处理依据和影响范围。

---

## 1. 基本原则

- 先阅读当前目录及上层可见的 `AGENTS.md`、`README`、`CONTRIBUTING` 和相关设计文档。
- 保持改动克制,优先小步提交、局部修改、最小可行修复。
- 不擅自引入新生产依赖、修改 CI、调整基础目录结构,除非任务明确要求。
- 优先复用现有模块、工具函数、测试模式和项目约定,避免平行造轮子。
- 结论尽量基于代码、日志、测试结果或文档证据,避免凭感觉判断。

---

## 2. 开始编码前

- 对复杂或多步骤任务,先给出简短计划再实施。
- 若关键边界不清楚,先说明当前理解、关键假设和待确认问题。
- 不确定性不阻塞主路径时,可基于明确假设继续推进,但要写清假设。
- 开始改动前先确认影响范围:
  - 代码路径
  - 配置
  - 接口
  - 数据结构
  - 存储格式
  - 权限边界
  - 并发行为
  - 部署行为
- 对高风险任务,先明确最小闭环,避免范围失控。

---

## 3. 排查与调试

遇到非平凡问题时,遵循“观察 -> 假设 -> 实验 -> 结论”的流程。

- 先记录现象和复现条件:
  - 报错信息
  - 输入条件
  - 触发步骤
  - 环境差异
  - 预期行为
  - 实际行为
- 明确区分“已知事实”和“个人推测”。
- 在正式修复前,列出候选根因,并说明:
  - 支持证据
  - 冲突证据
  - 最小验证办法
- 实验遵循单变量原则,一次只验证一个假设。
- 根因未确认前,不做大范围猜测式重构,不叠加多个未经验证的补丁。
- 根因确认后,再实施正式修复,并补对应回归测试。
- 调查结论应回填至现有计划、设计或问题记录文档;必要时新增 `DEBUG.md`。

---

## 4. 实现要求

- 保持与项目既有风格一致,包括命名、目录组织、错误处理、日志风格和配置方式。
- 优先解决根因,不做仅掩盖症状的表层修补。
- 涉及接口、数据结构、持久化格式、并发、权限边界时,主动评估兼容性和副作用。
- 修改公共模块时,优先评估对调用方的影响;必要时补最小兼容层或迁移说明。
- 控制实现复杂度,能局部解决的问题,不轻易上升为系统性重构。
- 非任务必要,不顺手修复无关问题;若发现额外问题,记录即可。
- 调试代码、临时脚本、一次性兼容逻辑应在任务结束前清理,或明确标注用途和清理条件。
- 错误处理应沿用项目既有约定,不随意创造新语义。
- 若无法一次彻底解决,优先交付清晰、可验证、可回退的阶段性最小方案,并说明剩余风险。

---

## 5. 测试与验证

- 对行为变更、缺陷修复和高回归风险改动,优先补复现用例或对应测试。
- 遵循仓库已有测试框架和目录约定,不额外引入新的测试体系。
- 测试尽量覆盖:
  - 正常路径
  - 边界条件
  - 已知失败路径
  - 本次修复对应的回归场景
- 完成改动后运行相关验证,如 `test`、`lint`、`typecheck`、`build` 或直接复现验证。
- 若影响面较大,不只验证改动点,还应补一层受影响路径验证。
- 若无法运行验证,必须说明:
  - 无法运行的原因
  - 当前风险
  - 建议的后续验证方式
- 不以“理论上应该正确”代替测试结论;测试失败时,不得直接宣称完成。

---

## 6. 文档要求

- 对值得沉淀的需求实现、架构决策变更或重要问题调查,及时回填文档。
- 文档重点记录:
  - 决策
  - 原因
  - 验证结果
  - 未解决风险
  - 后续事项
- 文档应服务于维护、协作和追溯,不写琐碎流水账。
- 若实现偏离原方案,应记录偏离原因、偏离内容和影响范围。
- 文档应描述当前实际实现,而不是过时方案。

---

## 7. 安全要求

- 不输出、提交或扩散密钥、凭据、PII 或生产环境敏感配置。
- 删除、迁移、批量重写、权限调整、数据库变更、批处理脚本等高影响操作,先明确风险、影响范围和回退方式。
- 对生产数据、状态性资源和外部系统写操作保持保守;不确定时优先只读、演练、沙箱或局部验证。
- 发现设计缺陷时,不静默绕过,应说明问题、影响范围和备选方案。
- 不伪造验证结果,不隐瞒失败,不把未经验证的猜测表述为事实。

---

## 8. 变更纪律

- 单次任务只交付与目标直接相关的改动,控制 diff 规模,降低审查和回滚成本。
- 每个改动都应能说明必要性,无法说明必要性的改动默认不做。
- 若需分阶段推进,应明确区分:
  - 本次已完成内容
  - 暂不处理内容
  - 建议下一步
- 对可逆性差的改动,如数据迁移、接口语义变更、批量替换,先给出回退策略再落地。
- 高风险任务优先采用“先兼容、再切换、后清理”的演进方式。

---

## 9. 推荐目录约定

每个独立项目原则上按以下结构组织:

- `frontend/`:前端页面、组件、样式、前端数据访问逻辑
- `backend/`:后端接口实现、接口契约、通用模块
- `config/`:本地配置、规则文件、模板、映射表
- `data/`:固定输入样例、测试样例、静态示例数据
- `runtime/`:运行期输出、隔离测试结果、日志、错误快照
- `scripts/`:独立执行脚本、测试脚本、迁移脚本、排查脚本
- `launcher/`:启动器相关文件

约束:

- 不把后端逻辑直接写进前端目录。
- 不把配置文件放进前端可见页面或静态资源目录。
- 不把运行日志写入源码目录中的业务文件旁边。
- 不在根目录长期保留临时调试文件或临时导出文件。

---

## 10. 命名规范

- 命名必须表达业务含义,避免空泛、模糊和无意义超长命名。
- 同一概念在全项目内应保持一种主命名。
- 文件命名优先使用 `kebab-case`。
- 变量、函数、对象字段优先使用 `camelCase`。
- 常量使用全大写下划线风格,仅用于真正稳定的固定值。
- 函数名应体现动作和结果,优先使用以下模式:
  - `loadXxx`
  - `buildXxx`
  - `normalizeXxx`
  - `extractXxx`
  - `assertXxx`
  - `createXxx`
  - `executeXxx`
- 避免使用语义不清的命名,如 `handle`、`process`、`runAll`、`doStuff`、`fixData`。

---

## 11. 接口与数据结构

- 每个接口应有稳定的接口标识、输入、执行过程说明和输出结构。
- 对外入参应与业务概念一致,不混入调试字段。
- 必填字段必须前置校验,归一化规则应固定、可复用、可追踪。
- 中间结果只服务当前流程,不直接暴露给前端。
- 输出结构优先保证稳定,再追求内容完整。
- 对可能缺失的字段,应补齐空结构或默认值,而不是随意删字段。
- 增加字段可以,删除字段或修改字段名必须先确认影响范围。
- 字段含义变化时,必须同步更新文档和调用方说明。

---

## 12. 配置与规则文件

- 所有业务配置优先放入配置文件,不直接写死在业务流程或页面中。
- 代码应通过统一配置加载函数读取配置,不在多个文件重复拼接路径规则。
- 规则文件、模板文件、映射表应有稳定结构,供代码明确读取。
- 读取结构化文件时,必须依赖明确字段,不依赖人工约定。

---

## 13. 模块拆分与代码组织

- 每个模块只负责一类职责,例如:
  - 输入校验与归一化
  - 数据解析
  - 规则读取
  - 外部依赖调用
  - 输出归一化
  - 日志记录
  - 审核与重试
- 编排器只负责流程编排,不堆积大量细节实现。
- 模型输出、外部输入、表格读取结果等不稳定数据,必须先归一化再使用。
- 校验失败应抛出明确错误,错误信息应能帮助定位具体字段。
- 逻辑组织优先遵循:
  - 先校验
  - 再解析
  - 再调用依赖
  - 再归一化
  - 最后输出
- 重试逻辑必须显式记录轮次、对象、原因和最终结果,不做静默无限重试。

---

## 14. 前后端职责

### 前端

- 负责展示、筛选、分页、触发动作和结果呈现。
- 不负责长期存放后端业务规则、模板或敏感配置。
- 页面文案、字段展示和交互逻辑应与当前业务命名保持一致。
- 分页、筛选、加载状态、空状态应清晰可解释。

### 后端

- 每个接口应有独立服务入口。
- 共享能力统一沉淀到公共模块。
- 输出应为前端提供稳定、可消费的数据结构,避免前端二次猜测。
- 外部依赖调用前后应有日志,失败时应有明确错误返回和错误记录。

---

## 15. 日志与错误处理

- 真实测试、隔离测试和运行期日志统一写入 `runtime/`。
- 日志按接口或任务分目录存放,目录名建议包含时间戳和业务标识。
- 关键执行步骤和错误原因应可追踪。
- 结构化日志应写入独立文件,便于回放和定位。
- 错误信息应尽量包含:
  - 失败步骤
  - 失败原因
  - 输入快照
  - 错误堆栈
  - 失败阶段
- 避免仅输出“执行失败”这类无效错误。

---

## 16. 完成标准

满足以下条件后,才可视为任务完成:

- 代码改动与任务目标一致
- 受影响路径已做适当验证,或已明确说明为什么暂未验证
- 关键假设、限制、风险和后续建议已说明清楚
- 已检查并尽量控制兼容性、副作用和影响范围
- 已补充必要测试,或已说明缺失测试的原因与风险
- 已同步必要文档
- 未引入与任务无关的改动
- 产出对后续维护者可理解、可验证、可接手

---

## 17. 维护规则

- 新增功能、接口、页面或脚本时,先遵循本文档,再决定目录、命名、日志和文档写法。
- 若现有规则已不适配,应先更新本文档,再进行大规模实现调整。
- 本文档一旦更新,后续开发默认按最新版本执行。
Chapter 05

基础操作

Chapter 05

工作区选择与切换

为什么要先选工作区:工作区决定 Agent 能看到哪些代码、文档和配置,也决定后续修改会落在哪个项目里。任务做对但改错目录,等于没有完成交付。

看项目根目录 看 AGENTS.md 看 README 确认写入范围
codex-客户端
用界面选择已有目录
适合第一次演示或非开发同学上手,直接在客户端里选择要进入的项目目录。
  • 点击创建项目或切换入口,选择 Use an existing folder
  • 优先选当前要讲解或要修改的项目根目录,不把多个无关项目混在同一个工作区里。
Codex 客户端选择已有工作目录
客户端:选择已有目录进入工作区
codex-CLI
先进入目录,再启动 Agent
适合开发同学或更贴近真实工程现场的演示方式,目录是通过命令行显式指定的。
  • 先用 cd 进入目标项目根目录,再运行 codex
  • 进入目录后,先做一次只读检查,再开始编辑,降低误改风险。
cd 你的项目目录
codex
CLI 模式进入工作目录
CLI:先进入目标目录,再启动 Codex
Chapter 05

多线程并行

什么时候要开多线程

当任务可以拆成彼此独立的小闭环时,多线程能明显提升推进速度,也能把上下文污染控制在更小范围内。
代码修改 资料整理 页面润色 测试验证
  • 一个线程负责主线实现,另一个线程负责搜集资料、整理术语、准备文案或截图。
  • 高风险修改和低风险辅助任务分开处理,主线程更容易保持稳定。
  • 每个线程都要有清晰目标,避免“同时做很多事,但没有一个闭环”。

并行时的控制点

  • 线程之间不要同时改同一个文件,先按模块或任务边界拆开。
  • 给每个线程一句明确指令,包含输入、输出和完成标准。
  • 回收结果时,先看差异和验证结论,再决定是否合并到主线。
适合并行的前提:任务能拆分、边界清楚、产出可独立验证;否则并行只会增加沟通成本。
Chapter 05

Planning 和 Review 模式的使用

Planning 模式

适合需求还不够清晰、任务步骤较多、需要先拆解再执行的时候使用。
  • 先让 Agent 输出任务理解、范围判断、风险点和执行步骤。
  • 适合讲解“为什么这么做”,也适合把复杂任务先压缩成一个可执行方案。
  • 在真正动代码前先校准方向,能减少返工和误改。
Planning 模式示意
Planning:先拆解、再推进执行

Review 模式

适合已有代码、文档或方案,需要站在审查视角找问题、提风险和做质量把关的时候使用。
  • 重点看 bug、回归风险、缺失测试、边界条件和不一致实现。
  • 让 Agent 先给发现项,再给概括,不要直接让它写成笼统总结。
  • 特别适合在交付前做一轮“挑错式复核”。
Review 模式示意
Review:先发现问题,再做质量把关
简单判断:不知道怎么开始,用 Planning;已经有结果要把关,用 Review
Closing
THANKS
下一节:需求理解过程中的AI辅助