标签：AI 工作流

本地代码模型找到 Bug，不代表交出了可用修复。通过候选补丁仍暴露不完整文件、校验器漏检与误报的实际评估，区分排查思路、测试草稿和有效修复，给出可复用的小型验收方法。

知识检索搜到相关文字，并不代表搜到了已验证经验。一次排序候选的失败对照让我先检查材料身份，而不是继续调权重。

AI 工具调用的 JSON 格式正确，不等于有权操作目标对象。一次参数失误后的复盘，加上独立内存实验，说明为什么要减少模型重填已知编号，并在应用写入口检查身份、权限和当前状态。

AI、LLM、AI Agent、AGI、具身智能和机器人经常被混为一谈。本文用层级关系、反例与现实边界一次讲清它们的区别。

文档写着支持生图，只能证明机制存在。真正执行前还要分别核对认证方式、能力开关、计费路径和实际文件。

真实测试发现，大型本地模型更适合边界清楚的异步语义工单，而不适合进入每条实时链路。本文给出三个岗位、五个路由问题和明确边界。