第一性原則
說明當代 LLM 的真實限制，如何塑造工作流設計、架構清晰度、成本紀律，以及人類在嚴肅 AI 協作開發中的角色。
適合你如果： 想先理解整個核心論點
先讀核心論點 →選擇路徑
你想從哪裡開始？
控制面
一份針對本地長任務 agent workflow 的具體參考設計：耐久狀態、slice 化執行、角色分離，以及可執行的驗證關卡。已有對應的具體實作：letscook Cursor plugin。
適合你如果： 想直接研究一套操作模型
研究參考設計 →執行摘要
核心觀點
AI 輔助工程的核心問題，主要不是能不能接入更強的模型，而是能不能建立一套工作流、驗證回路與治理機制，讓模型優勢變得有用，同時不讓模型弱點悄悄主導整個系統。
核心結論
- 真正的限制通常不是拿不到 LLM，而是組織能否在清楚的 workflow 與驗證邊界內有效使用它。
- 小型、局部的任務可以保持輕量；長時間或高風險工作則需要顯式控制、可恢復狀態與受治理的收束條件。
- 架構清晰度很重要，因為歧義會同時提高實作錯誤率，以及 AI 為了安全工作所必須閱讀的 context 量。
- 驗證、審查與證據不是額外負擔——它們本來就是讓 AI 產出在團隊規模下值得信任的一部分。