我从 0 基础用 AI 编程做了 4 个项目，最后把踩过的坑做成了agent项目纪律系统
不是标题党。文章里的每一个数字，都来自我硬盘上真实能跑起来的代码。 开源项目直通车：**github.com/tianwena/ai… Star ⭐，这对我很重要）
先自报家门
我不是程序员。不是计算机专业，没刷过 LeetCode，在开始这一切之前，我对"编程"的全部理解停留在"改改配置文件"的水平。
今年我接触到了 AI 编程——不是让 AI 帮我补全代码，而是把整个项目交给 AI agent 去做。一个月下来，我的硬盘上多出了四个完整的、能运行的项目：
- MindMap Web —— 一个浏览器里可拖拽的思维导图应用
- my_rpg —— 一个杀戮尖塔式的 Roguelike 卡牌游戏
- 量化交易模拟系统 —— 多智能体协作的 A 股回测与研究平台
- 狼人杀 AI 陪玩 —— 局域网真人 + AI 混玩的狼人杀开黑平台
然后，我把这四个项目反复踩过的坑，沉淀成了一套工程方法论文库——ai-eng-system，开源在了 GitHub 上。
这篇文章不讲鸡汤，讲实话：AI 编程到底能做什么、会翻什么车、以及为什么我最后写出来的是一个"不是代码库的代码库"。
第一个项目：思维导图 —— 学会"先把话说清楚"
做它的动机很简单：我想要一个自己的思维导图工具。
当时我对 AI 说"帮我做一个思维导图应用"，得到的是一团能跑但没法用的代码——节点会互相穿模，拖拽后连线断裂，刷新页面数据全丢。后来我才明白问题不在 AI，在我：我以为对方懂，看到成品才发现根本不是我要的东西。
这个教训后来被我们总结成一条铁律：软件开发最常见的失败不是写错代码，是"错位"。
重来的版本就顺利多了。最终成品是 Python FastAPI 后端 + 原生前端 + SQLite：
- 节点的增删改、拖拽重挂、服务端无环检测
- 导出/导入 JSON 和 Markdown，往返一致
- 一套冒烟脚本自动验证全流程
项目不大，但它让我第一次体会到：把需求说清楚，比写代码本身难得多，也重要得多。
第二个项目：卡牌 RPG —— AI 也能"攒"出一个游戏
这是四个项目里我最有感情的一个：一个杀戮尖塔式的 Roguelike 卡牌游戏。自家 → 城镇 → 地牢三层结构，树状路线图一层层往上爬。
用 AI 做游戏，最大的优势是"堆量"变得很便宜：
| 内容 | 数量 |
|---|---|
| 卡牌（含升级版本） | 159 张 |
| 遗物 | 70 个 |
| 药水 | 38 种 |
| 伙伴（三等级，各有被动+主动） | 15 名 |
| 敌人 | 20 普通 + 14 精英 + 5 Boss |
换成人手写，光是把 159 张卡的数值表敲一遍就要脱层皮。但 AI 带来的第二个效应是熵增也被加速了——它写代码极快，也极快把项目变成一团泥球。
我被迫学会了三件事：
- 数据/逻辑/渲染分层：
data/目录放纯数据工厂，业务系统单独成模块，渲染层一个状态一个文件。不分开，AI 改一处崩十处。 - 集成测试是安全网：493 项集成测试。AI 每改一轮，测试跑一遍，崩了就修。没有这个安全网，这个游戏活不过第三周。
- 委托式重构：把
main.py的方法体改成一字不差地委托给各个 Manager，调用点零改动。AI 最擅长的就是这种"机械但要求绝对精确"的手术。
现在它能跑通完整的循环：组卡组队 → 地牢选关 → 树状路线推进 → 篝火/商人/事件 → 战斗结算 → 奖励三选一 → 五层通关。像素字体、稀有度菱形、手牌悬停放大，全都有模有样。
这个项目教会我的是：AI 时代个人做游戏不再是幻想，但"能堆出来"和"能维护下去"是两回事。
第三个项目：量化系统 —— 多智能体的正确打开方式
做完游戏，我野心大了：做一个 A 股量化交易模拟系统。但这次我不想让 AI 直接写策略，而是想试一个架构——AI Agent 指挥传统量化工具。
核心设计原则只有一句话：Agent 只读证据、写结论，算账由引擎完成。
- 数据层：AKShare 双源下载（新浪主/东财兜底），沪深全 A 5215 只日线入库 SQLite，离线可复现
- 工具层：Backtrader 回测引擎 + 9 个注册策略 + 完整 A 股成本模型（佣金/印花税/滑点/T+1/涨跌停）
- 因子层：因子表达式引擎（AST 白名单，注入
__import__('os')实测被拒）+ 挖因子机器人/回测机器人/组合机器人 - 调度层：LangGraph 多智能体——主管/研究员/策略/风控，契约驱动（Pydantic 字段校验），每节点故障降级
- 交互层：Streamlit 8 页界面 + 38 个插件的插件中心 + 30 项冒烟测试全绿
这个项目里我最想分享的不是功能，而是两个被数据教育出来的教训：
教训一：小样本高 IC 是噪声。 早期用 10 只股票评估因子，挖出的"高分因子" |IC|=0.134，看着很美。换成 120 只全市场抽样重评，34 个表达式只剩 6 个达标（淘汰 82%），代表性 IC 从 0.128 掉到 0.085。现在这是系统里的铁律：大样本检验是因子可信度的底线。
教训二：单 seed 的结论会被噪声骗。 调优 Agent 的"技能卡"时，单次训练曾显示"基线配置胜出"，后来扩到 36 点/臂 × 多 seed，结论反转。现在系统里所有 A/B 判定都必须看 Δ 分布，不看单次结果。
还有个挺有说服力的对照实验：在公平对照下，系统挖掘的因子在时序 IC 上显著优于 Qlib Alpha158 的代表性因子（实测系统组 |IC| 是 Alpha158 的 2~2.5 倍）。
这个项目让我真正理解了多智能体协作的分寸感：不是让 AI 什么都会，而是把 AI 关进确定性引擎的笼子里，让它只做它擅长的决策与解释。
第四个项目：狼人杀 AI 陪玩 —— 最好玩的一个
周六晚上，局域网里 1~6 个真人随时开一桌 6 人局狼人杀，空位由 AI 自动补位。AI 有独立人设卡和克隆音色，会撒谎、会悍跳、会在夜里刀完人白天装无辜。房主可以投屏"上帝视角"看 AI 的内心独白，一局结束 AI 裁判点评 + 评 MVP。
技术上它是五层架构：FastAPI WebSocket 房间服务 → 规则引擎（昼夜/技能/投票/平票 PK，信息隔离做到"私密情报永不进公共历史"）→ LLM 选手与裁判 → TTS → JSON 对局存档。
这个项目是 ai-eng-system 工作流的第一次完整实战：
CONTEXT.md 意图契约 + 三张图 + 接口契约没写完不许开工，开工前先跑结构校验器。
四个项目做完，我发现真正的问题是什么
回头看，四个项目，四类完全不同的领域（Web 工具、游戏、金融、实时对战），但翻车的方式惊人地一致：
| 失败模式 | 真实经历过 |
|---|---|
| AI 没做我要的东西 | 思维导图第一版，全中 |
| AI 话太多、太啰嗦 | 每个项目初期都有，后来靠一份 CONTEXT.md 统一语言解决 |
| 代码跑不起来 / 回归 | 没有测试安全网的项目都死过一次 |
| 造出一团泥球 | RPG 如果不分层早就重写了 |
而现有资料要么教你怎么写 prompt，要么直接给你一个 agent 框架，中间"一个人 + AI 团队怎么把一个真实项目从想法做到落地"这段路，几乎没人系统讲过。
所以我做了这件事：
ai-eng-system：一套"不是代码库"的开源项目
它是一套由
SKILL.md（YAML frontmatter + 指令正文）组成的行为规范集，一共 36 个技能，外加配套的自动化检查器和质量闸门。设计目标是：让一个人 + AI 编码 agent 团队，具备从想法到商业落地的完整能力。
里面有什么
10 个自研的编排与商业落地技能，补上"单 agent + 人"模型没覆盖的四段链路：
product-validation—— 写代码之前先验证有没有人要（G1 没过不许写产品代码）multi-agent-squad—— 组队规则：文件是唯一共享内存、审查者必须独立、阶段边界换窗口production-readiness—— 上线前逐项闭环，没验证过的不许标"已完成"payment-and-billing/launch-and-ops/growth-and-analytics—— 收款、上线、增长- 等等
26 个工程纪律技能（部分衍生自优秀开源方法论，许可与致谢都注明了）：逼问式访谈、TDD 红绿重构、双轴代码审查、难 bug 诊断环路、深模块设计……
比技能更硬的是机制。 这套体系的核心理念是"能自动化的闸门，就不要靠纪律"：
quality-gate.ps1—— 15 项质量检查（密钥泄漏/硬编码凭证/依赖漏洞/SAST/危险模式…），零依赖可跑，退出码可直接进 CI。它的"不撒谎"设计我很得意：工具没装就记 SKIP，装了但没跑成就记 NOTRUN——既不算通过也不算失败，绝不让"没查"伪装成"查过了"self-test.mjs—— 检查器自检：用种入缺陷的假仓库做负向测试，硬编码密钥、eval()、shell=True全部抓到并定位到行号- 提交前钩子 ——
git commit自动跑体检，不过不让提交 verify-structure.mjs—— 项目开工前的结构校验
为什么它值得你 Star
我可以在 README 里吹"经过实战检验"，但更有说服力的是这个事实：这套体系自己的检查器就抓出过自己的三次 bug——两次靠独立上下文的 reviewer 拿真实项目跑才暴露，一次靠负向测试自己发现。所以它的维护纪律里写着一条很诚实的规矩：
改了检查器/闸门，必须起一个独立上下文的 reviewer 复审。改的人看不出自己的错，需要另一双眼睛，或一个会失败的测试。
一个开源项目承认"自改自判不可靠"，并把这件事写进纪律、配上工具——这在 AI 辅助开发的时代，可能是比任何技能都值钱的一条经验。
如果你正在用 Claude Code / Cursor / 或者任何 AI agent 工具做项目，被"AI 做出来的东西不是我想要的""改一处崩十处"折磨过，这套体系里的方法论和闸门，就是我拿四个真实项目换来的答案。
最后
从"改配置文件都费劲"到四个能跑的项目 + 一个开源工程体系，中间没有魔法，只有反复的：说清楚 → 验证 → 翻车 → 复盘 → 把复盘变成机制。
四个项目里，RPG 的 493 项测试、量化系统的稳健性三查、狼人杀的信息隔离、导图的服务端无环检测，各有各的看家本领——但把它们串起来的那条线，就是 ai-eng-system。
GitHub：github.com/tianwena/ai…
觉得有用就点个 Star，也欢迎交流你的 AI 编程踩坑经历——这套体系还会继续进化，你的坑就是我下一篇文章的素材。
如果这篇文章对你有启发，点赞 + 收藏是对我最好的支持，感兴趣的可以关注我，我会实时分享我的项目经历。
