AI 会写代码之后，剩下的工程问题才真正开始

我给 AI 编码 Agent 加了一条"本地资料优先"，终于敢让它做需求设计了

AI 编码不是一句话的事：我用 OpenSpec 把需求拆成 proposal、design、tasks 和 tests

Spring Boot 微服务别让 AI 随便设计：先加载 API、DB、Redis、Kafka 和错误码规范

多服务需求别让 AI 乱改：全局契约冻结 + 服务内并行 + 合并唯一

让 Agent 接上 YApi、Yuque、数据库、Redis 和日志：我的 MCP 资源绑定设计

让 Agent 记住项目经验：RESOURCE_INDEX、别名标签和知识沉淀闭环

AI 交付前的质量门禁：复杂度、分层、安全配置、测试，一个都不能少

用 Agent 排查线上问题：SLS 日志分析 + DB/Redis 数据验证，一条链路搞清楚

让 Agent 越用越聪明：学习反馈与场景映射，把每次纠错变成永久经验

怎么给 Coding Agent 写一个可复用的 Skill：从 SKILL.md 结构到触发词设计

MCP 架构：如何为 AI Agent 构建安全的资源连接器

从单个 Skill 到 Skill 编排：如何让 Agent 自动路由和组合多个技能

学完这些，你至少算得上agent工程师入门。

我把这套 Agent 工程方法论开源了：FlowMind，一个会"从你的纠正中学习"的 MCP 工作流框架

开源发布 · github.com/Eleven-M/flowmind

开源的项目你有了使用的心得，那么OPC它就来了。

一个人，一家公司：我用 FlowMind 搭起了自己的 OPC

一人公司篇 · AI 部门搭建五步法 · 三重护城河 · 变现闭环

如果你不想脱离工作台智能体的平台，那么最简单就是按照npm i flowmind 以及全民工作台workbuddy：

不用 clone、不用配环境：在 WorkBuddy 里直接体验这 10 个专家和 6 个技能

即刻上手篇 · 完整清单 · 四条体验路线 · 12 轮报错避坑表