大多数人以为 AI 编程会让《人月神话》彻底失效。其实书没死，它只是把一件事算错了：AI 改变的不是软件工程要解决的问题，而是「单位产出」的计量方式。
AI 写代码能更快跑起来，但能跑不等于可交付。用双速工程、护栏实验和最小刹车清单，拆清 Vibe Coding 进入生产链前该补什么。
AI 把实现成本压到极低后，10x 工程师的定义变了——从手速快变成三个维度：问题定义准确、架构判断快、技术选型稳。
TypeScript 在 AI 工具领域的主导地位不是开发者偏好驱动的——是 LLM 的认知架构天然偏好了类型系统提供的结构化信息。从 Zod 到 JSON Schema 再到 tool_use，一条无损推导链揭示了 AI 选择 TypeScript 的结构性原因。
用 AI 学东西效率极高，但关掉 AI 你还能做到多少？区分'检索能力'和'创造能力'，三步自测协议验证你的真实掌握程度。
AI 新名词绝大部分都是软件工程老概念换马甲。Skills 是写给 LLM 看的插件说明书，MCP 是 AI 时代的 RPC，Agent 是带 LLM 脑的 cron job。认出老朋友，不用再学每个新词。
四大厂商都说先从单 Agent 开始，但没人告诉你什么时候该拆。五个失控信号帮你诊断单 Agent 健康度，一个协调税框架帮你算清拆分的隐性成本。
Harness Engineering 的核心不是让 Agent 更高效，而是把失败变成可收集、可定位、可约束、可修复的工程对象。从 OpenAI 暗黑工厂到个人 Agent 编排项目，失败系统化的原理是相通的。
Skill 不是壁垒，是工程手段。但平台锁定是真实代价——便利与自由的经典权衡。
Agent Memory 的真正难题不在存储，而在删除。用一次真实的 memory 审计数据，拆解陈腐、冲突、膨胀三类问题，给出三种管理策略的优先级。
