AI 应用开发

一次 RAG 质量排查复盘：先把高频问题、期望证据 chunk 和评测指标固化成小型 golden set，再用离线实验比较检索策略和提示词改动。

一次桌面端 Agent 自动化复盘：高风险工具调用前先暂停，保存状态快照，生成审批记录和恢复口令，再用幂等执行把人工确认接回工作流。

一次前端 AI 表单助手复盘：把模型输出收口为 JSON Patch，先做 schema 校验、差异预览、用户确认和审计日志，再真正写入状态。

一次 AI 工具前端卡顿治理复盘：先把 UI、Worker、进度、取消和错误整理成 TypeScript 消息契约，再接 Vite Worker 和可选 Comlink 封装。

一次桌面端 AI 长任务取消链路复盘：把取消动作从渲染进程传到主进程、Worker、清理器和审计日志，避免按钮只是 UI 状态。

一次桌面端 Agent 工具接入复盘：用本地网关收敛 MCP 工具发现、权限确认、参数校验和审计日志，避免把外部工具能力直接暴露给渲染进程。

一次前端承接 AI 流式输出的项目复盘：把 token、工具调用、引用来源和错误都收敛成可校验事件，减少 UI 抖动和排障成本。

一次 Electron 桌面端 AI 助手任务调度复盘：把长任务从按钮回调里移到可恢复队列，并用幂等键、状态快照和人工确认点降低重复执行风险。

一次内部自动化 Agent 调试复盘：把模型请求、工具调用、工具输出和回放入口统一进事件流，让失败排查从截图和零散日志变成可检索的工程材料。

把文档切分、向量写入、检索校验和别名切换拆成可恢复步骤，可以减少线上 RAG 重建时的脏数据和停机风险。