AI编程实践

复盘ThinkingMap：完成思维树MVP与前后端架构；AI结对与文档驱动获益；前端性能、后端eino与ReAct实现存不足；缺反馈、测试、观测；未来推进多Agent、插件、导入导出与智能个性化。

SSE在分布式下以本地优先+Redis备援；构建思考树/多智能体/ReAct三层上下文；自研FSM流式JSON解析，兼顾实时与稳健，强调务实取舍与分层设计。

ThinkingMap从单体到多智能体，选择Eino以图式编排、强类型与并发；设计Host/专家、状态与上下文/依赖/SSE组件；实现可控可观测的ReAct循环与分析-规划-执行-反馈闭环。

AI编程工具利弊：能加速但非替代；适合样板与检索，不宜复杂架构。用文档驱动、提示工程与审查清单，对齐意图，保持代码掌控。

本文从痛点出发，提出将AI思考过程树状可视化的ThinkingMap，强调用户可干预、步骤与状态标准化；以ReactFlow、Next.js、Go、SSE等实现MVP并文档驱动验证树能长起来。

概述AI编程系列与开源项目Thinking‑Map：记录真实开发协作；以思维树实时可视化与可干预为核心；简述技术栈、应用场景与系列结构。