介绍大模型应用上线前如何建立测试集、定义评测维度、做版本回归和失败样本管理。

介绍如何用 AI 工具组织技术调研，从搜索问题、阅读资料、摘录证据到验证结论。

用类比和少量代码讲清 RAG 与 Agent 的职责边界，拆解知识检索、计划生成、工具执行和答案验证的架构模式。

Monorepo 场景下，AI 编程需要理解 workspace、包依赖、共享组件和验证命令，避免跨包误改。

AI SaaS 通常需要把 Next.js 页面、API、任务队列、模型调用、结果存储和可观测性拆清边界。

降低幻觉不能只靠提醒模型不要编造，而要通过证据输入、引用要求、缺失处理和输出校验形成闭环。

从权限、状态、人工确认、审计和回滚角度，判断 Agent 工作流能否进入生产环境。

从知识来源、权限、更新机制、引用质量和反馈闭环角度评估 AI 知识库工具。

状态管理的关键是作用域和生命周期，局部状态、URL 状态、服务端数据和全局状态应分开处理。

事件能降低同步耦合，也会带来一致性、顺序、重试和可观测性问题，需要明确适用边界。