AI 与数据
ai agent 真实项目开发工程实践
从真实项目中的失控风险出发，拆解 AI Agent 如何补齐需求、实现、测试、验证和交付约束，并沉淀一套可持续演进的工程工作流。
AI Agent工程工作流
Backend · AI Workflow · Developer Tools
蒋成
把 AI 接进真实业务，把复杂链路做成长期可维护的系统
我喜欢处理横跨业务、数据和基础设施的问题：先找到真实入口和状态边界，再补齐异常路径、测试与观测。无论是 AI 工作流、开放平台还是系统迁移，目标都不是完成一次演示，而是让它能够被团队理解、持续维护。
~/now/jiang-cheng
$ focus --current
- 让 AI Agent 真正进入工程工作流building
- 把开发工具做成可反复使用的产品building
- 为知识与数据链路补齐可靠性maintaining
$ _
Writing
最近文章
写下问题怎样出现、方案为什么这样选，以及哪些经验值得在下一次工作中复用。
Python
完美解决openpyxl保存Excel丢失图像/形状资源的技术方案
分析 openpyxl 保存工作簿时丢失图像、图表和形状资源的原因，并通过拆解、保留与回填 XLSX 包内资源和关系文件给出完整处理方案。
ExcelPythonopenpyxl
How I Work
复杂问题不该靠更多补丁维持
面对历史系统、跨服务链路或快速生长的 AI 功能，我更愿意先找到真正的入口和约束：数据从哪里来，错误会落到哪里，谁拥有状态，什么证据能说明它已经完成。然后再选择足够简单、能够长期维护的实现。
工作方式追踪真实调用链，先证明问题再修改
交付标准可运行、可测试、可观测、可恢复
技术落点Python / Go / TypeScript