把 AI 编程工具接进老仓库后，最常见的事故不是它写不出代码，而是它改到了不该动的边界：密钥、鉴权、账单、迁移脚本、公共 API。本文给出一版先固定、再放开的工作区策略，适合已经在用 Cursor / Copilot / Claude Code 一类工具、准备让它动真实业务仓的人。

给 Agent 接搜索、数据库、脚本执行一类工具时，大家容易先写「调用成功返回什么」。线上真正耗时间的，是超时、权限失败、参数不合法、部分成功时 Agent 会怎么说、会不会死循环重试。本文把失败契约写成可落地的检查清单，并区分工具层、适配层、策略层和用户预期层。适合正在给 Agent / MCP / function calling 加工具的开发者。

上一篇提到，AI 编程正在从代码补全走向任务交付。工具一多，选型就容易变成比参数、比模型、比订阅价格，最后仍然不知道日常开发该用哪一个。本文从实际工作流出发，对比 GitHub Copilot、Cursor、Claude Code 的定位、适用场景和局限，并结合同一个功能开发例子说明差异。适合正在使用或准备引入 AI 编程工具的开发者。读完应能判断：自己更适合哪一款，或者是否需要组合使用。

提供接口；校验邮箱与密码；返回 JWT；补充基础单元测试；不破坏现有用户表结构。这是一个很典型的「中小粒度功能开发」任务，既不算特别小，也不算特别大的架构改造。

NVIDIA Jetson平台是专为边缘AI计算设计的系统级模组，整合了GPU、CPU和内存等关键组件，在保持高性能的同时优化能效。该系列包含Jetson AGX Orin（275TOPS）、Orin NX（100TOPS）和Orin Nano（40TOPS）三款产品，分别面向自动驾驶、智能相机和物联网等不同应用场景。相比传统GPU，Jetson平台更适用于空间受限、需要低功耗和实时推理的边缘部署