大可的 AI Builder 手记
跟随系统
颜色主题
长沙小桌实战
大可 Dako
大可 Dako大可 DakoAI Builder · Agent 实践者用 AI 做真正能用的产品。专注探索 Agent 工程化落地、Vibe Coding 实践与商业化交付。
内容平台即将上线,敬请期待
让每次失败都成为下一次输入的燃料01上线观测记录发生了什么02介入即缺口人帮一次,补一个信息03回流沉淀把教训写进上下文/规则✓ 失败回流成下一轮输入,介入一次就少一次
失败喂回去,产品才越用越好。

失败回流成下一轮输入

上线不是终点。每次人工介入、每次踩坑,都是补进知识库的机会,让这次介入成为最后一次。

很多 vibe coding 项目上线后就"完了",把踩过的坑当没发生。真正可持续的做法是:把上线后碰到的每次失败、每次人工介入,都变成下一轮的输入——这样产品不是"写完就用秃",而是越用越懂你的需求。

读完你能回答:

  • 为什么"上线即终点"是一种浪费?
  • "人工介入即缺口信号"是什么意思?
  • 失败回流具体要怎么落进项目?

上线不是终点

上线只是"开始被真实使用",真正的学习从这开始:

  • 用户怎么用的、卡在哪、退在哪
  • 哪些地方 AI 猜错了、你不得不上手
  • 哪些需求变了、哪些假设错了

不回收这些,等于每次都从零开始;回收了,产品每轮都在进化。

人工介入即缺口

每次你不得不上手帮 AI 或改问题,都是一个"它不知道的信息"的暴露点。 问自己一句"我知道什么它不知道",然后把那个信息补进上下文或规则:

  • 它老在 X 上猜错 → 把 X 的背景写进契约/上下文
  • 你反复解释"我们不用 Y 方案" → 写进规则禁掉
  • 某个边界它总是漏 → 加检查项

补进去之后,这次介入就能成为"最后一次"。

失败回流怎么落

  • 复盘转规则:一次问题先修,重复路径再沉淀成规则/脚本
  • 写回知识库:收获的教训写进项目 learnings 或契约,下一轮自动生效
  • 反馈闭环:每一轮的结果,是下一轮方案的输入——让知识作为真实迭代的副产物 anthropic-sdlc

别追求一次性完美

  • 不追求"第一轮就把所有坑占完",那是幻想
  • 先让它跑起来,通过真实使用暴露问题,再一轮轮把这个环路转起来
  • 每次介入都补缺口,环路转起来后,你插手会越来越少

把失败回流做好,产品会越用越懂你。接下来进入最后一章「安全与成本」:两笔账都容易悄悄漏,先看亏不起的那一笔——安全底线不商量。

参考资料

  1. The AI-Native SDLC Playbook (Anthropic)