AI 应用场景探索者 —— 关注 AI 在真实业务中的落地，不只是 Demo。
从 Harness Engineering 到 Spec-Driven Development，
我在找那些能让 AI 从"能用"变成"好用"的关键环节。
相信好的 AI 应用不是调出来的，是设计出来的。
AI 写代码很快，但入库率很低。我在自己的 Nest.js 项目里用 OpenSpec + Ralph Loop 把 AI 代码一次性通过率从 30% 提到 75%，记录这套方法的工程化落地。
基于 OpenSpec 做团队内化定制，增加 agent 适配层、工作流模板、代码审查集成。让 Spec 成为驱动开发的单点可信源。
扫描 OpenSpec changes，自动识别可执行的变更，调用 agent 完成编码。让"需求 → 代码"的闭环真正跑起来。
| 信念 | 说明 |
|---|---|
| AI 的价值在场景，不在技术 | 再强的模型，找不到合适的应用场景也是白搭 |
| 好的 AI 应用是设计出来的 | Prompt 工程解决单次问题，流程设计解决系统问题 |
| 从"能用"到"好用"隔着一百个细节 | Demo 展示可能性，生产环境考验可靠性 |
如果你也在探索 AI 的真实应用场景，不管是代码生成、内容创作、数据分析还是别的什么，欢迎来交流。