AI 应用开发

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。

一次 AI 工具链重试治理复盘，核心是先约束重复执行，再把外部副作用记成可追溯的补偿日志。

一次桌面端与 Web 端协作链路的工程复盘，核心做法是把共享 schema 放到最前面，让 IPC、HTTP 和任务结果都先过同一层校验。

一次桌面端知识库应用的打包复盘，核心是把运行数据、浏览器缓存和只读资源彻底分层，减少升级后丢路径、数据库锁死和缓存污染。

一次 RAG 与 Agent 联调链路的工程复盘，核心目标是把检索、工具调用和前端反馈串进同一条可回放 trace，缩短定位问题的往返时间。

一次 Agent 长任务面板重构复盘，核心目标是让前端在刷新、断网和人工审批之间保持任务连续性。

一次本地知识库同步链路的工程复盘，核心目标是让 UI 保持轻，任务状态保持稳。