零基础用 AI 编程完成四个项目后，我搭建了一套 Agent 工程纪律系统

把完整项目交给 AI Agent，并不意味着只要描述一个想法，就能稳定得到可维护的软件。对缺少传统开发经验的人来说，需求错位、代码失控和回归故障往往会更早暴露。通过连续完成四个不同领域的项目，我逐步把这些问题转化为需求契约、测试安全网、架构边界和自动化质量检查，也由此形成了一套项目纪律系统。

我从 0 基础用 AI 编程做了 4 个项目，最后把踩过的坑做成了agent项目纪律系统

不是标题党。文章里的每一个数字，都来自我硬盘上真实能跑起来的代码。 开源项目直通车：**github.com/tianwena/ai… Star ⭐，这对我很重要）

先自报家门

我不是程序员。不是计算机专业，没刷过 LeetCode，在开始这一切之前，我对"编程"的全部理解停留在"改改配置文件"的水平。

今年我接触到了 AI 编程——不是让 AI 帮我补全代码，而是把整个项目交给 AI agent 去做。一个月下来，我的硬盘上多出了四个完整的、能运行的项目：

1. MindMap Web —— 一个浏览器里可拖拽的思维导图应用
2. my_rpg —— 一个杀戮尖塔式的 Roguelike 卡牌游戏
3. 量化交易模拟系统 —— 多智能体协作的 A 股回测与研究平台
4. 狼人杀 AI 陪玩 —— 局域网真人 + AI 混玩的狼人杀开黑平台

然后，我把这四个项目反复踩过的坑，沉淀成了一套工程方法论文库——ai-eng-system，开源在了 GitHub 上。

这篇文章不讲鸡汤，讲实话：AI 编程到底能做什么、会翻什么车、以及为什么我最后写出来的是一个"不是代码库的代码库"。

---

第一个项目：思维导图 —— 学会"先把话说清楚"

做它的动机很简单：我想要一个自己的思维导图工具。

当时我对 AI 说"帮我做一个思维导图应用"，得到的是一团能跑但没法用的代码——节点会互相穿模，拖拽后连线断裂，刷新页面数据全丢。后来我才明白问题不在 AI，在我：我以为对方懂，看到成品才发现根本不是我要的东西。

这个教训后来被我们总结成一条铁律：软件开发最常见的失败不是写错代码，是"错位"。

重来的版本就顺利多了。最终成品是 Python FastAPI 后端 + 原生前端 + SQLite：

• 节点的增删改、拖拽重挂、服务端无环检测
• 导出/导入 JSON 和 Markdown，往返一致
• 一套冒烟脚本自动验证全流程

项目不大，但它让我第一次体会到：把需求说清楚，比写代码本身难得多，也重要得多。

---

第二个项目：卡牌 RPG —— AI 也能"攒"出一个游戏

这是四个项目里我最有感情的一个：一个杀戮尖塔式的 Roguelike 卡牌游戏。自家 → 城镇 → 地牢三层结构，树状路线图一层层往上爬。

用 AI 做游戏，最大的优势是"堆量"变得很便宜：

内容	数量
卡牌（含升级版本）	159 张
遗物	70 个
药水	38 种
伙伴（三等级，各有被动+主动）	15 名
敌人	20 普通 + 14 精英 + 5 Boss

换成人手写，光是把 159 张卡的数值表敲一遍就要脱层皮。但 AI 带来的第二个效应是熵增也被加速了——它写代码极快，也极快把项目变成一团泥球。

我被迫学会了三件事：

1. 数据/逻辑/渲染分层：data/ 目录放纯数据工厂，业务系统单独成模块，渲染层一个状态一个文件。不分开，AI 改一处崩十处。
2. 集成测试是安全网：493 项集成测试。AI 每改一轮，测试跑一遍，崩了就修。没有这个安全网，这个游戏活不过第三周。
3. 委托式重构：把 main.py 的方法体改成一字不差d委托给各个 Manager，调用点零改动。AI 最擅长的就是这种"机械但要求绝对精确"的手术。

现在它能跑通完整的循环：组卡组队 → 地牢选关 → 树状路线推进 → 篝火/商人/事件 → 战斗结算 → 奖励三选一 → 五层通关。像素字体、稀有度菱形、手牌悬停放大，全都有模有样。

这个项目教会我的是：AI 时代个人做游戏不再是幻想，但"能堆出来"和"能维护下去"是两回事。

---

第三个项目：量化系统 —— 多智能体的正确打开方式

做完游戏，我野心大了：做一个 A 股量化交易模拟系统。但这次我不想让 AI 直接写策略，而是想试一个架构——AI Agent 指挥传统量化工具。

核心设计原则只有一句话：Agent 只读证据、写结论，算账由引擎完成。

• 数据层：AKShare 双源下载（新浪主/东财兜底），沪深全 A 5215 只日线入库 SQLite，离线可复现
• 工具层：Backtrader 回测引擎 + 9 个注册策略 + 完整 A 股成本模型（佣金/印花税/滑点/T+1/涨）
• 因子层：因子表达式引擎（AST 白名单，注入 __import__('os') 实测被拒）+ 挖因子机器人/回测机器人/组合机器人
• 调度层：LangGraph 多智能体——主管/研究员/策略/风控，契约驱动（Pydantic 字段校验），每节点故障降级
• 交互层：Streamlit 8 页界面 + 38 个插件的插件中心 + 30 项冒烟测试全绿

这个项目里我最想分享的不是功能，而是两个被数据教育出来的教训：

教训一：小样本高 IC 是噪声。 早期用 10 只评估因子，挖出的"高分因子" |IC|=0.134，看着很美。换成 120 只全市场抽样重评，34 个表达式只剩 6 个达标（淘汰 82%），代表性 IC 从 0.128 掉到 0.085。现在这是系统里的铁律：大样本检验是因子可信度的底线。

教训二：单 seed 的结论会被噪声骗。 调优 Agent 的"技能卡"时，单次训练曾显示"基线配置胜出"，后来扩到 36 点/臂 × 多 seed，结论反转。现在系统里所有 A/B 判定都必须看 Δ 分布，不看单次结果。

还有个挺有说服力的对照实验：在公平对照下，系统挖掘的因子在时序 IC 上显著优于 Qlib Alpha158 的代表性因子（实测系统组 |IC| 是 Alpha158 的 2~2.5 倍）。

这个项目让我真正理解了多智能体协作的分寸感：不是让 AI 什么都会，而是把 AI 关进确定性引擎的笼子里，让它只做它擅长的决策与解释。

---

第四个项目：狼人杀 AI 陪玩 —— 最好玩的一个

周六晚上，局域网里 1~6 个真人随时开一桌 6 人局狼人杀，空位由 AI 自动补位。AI 有独立人设卡和克隆音色，会撒谎、会悍跳、会在夜里刀完人白天装无辜。房主可以投屏"上帝视角"看 AI 的内心独白，一局结束 AI 裁判点评 + 评 MVP。

技术上它是五层架构：FastAPI WebSocket 房间服务 → 规则引擎（昼夜/技能/投票/平票 PK，信息隔离做到"私密情报永不进公共历史"）→ LLM 选手与裁判 → TTS → JSON 对局存档。

这个项目是 ai-eng-system 工作流的第一次完整实战：CONTEXT.md 意图契约 + 三I张图 + 接口契约没写完不许开工，开工前先跑结构校验器。

---

四个项目做完，我发现真正的问题是什么

回头看，四个项目，四类完全不同的领域（Web 工具、游戏、、实时对战），但翻车的方式惊人地一致：

失败模式	真实经历过
AI 没做我要的东西	思维导图第一版，全中
AI 话太多、太啰嗦	每个项目初期都有，后来靠一份 CONTEXT.md 统一语言解决
代码跑不起来 / 回归	没有测试安全网的项目都死过一次
造出一团泥球	RPG 如果不分层早就重写了

而现有资料要么教你怎么写 prompt，要么直接给你一个 agent 框架，中间"一个人 + AI 团队怎么把一个真实项目从想法做到落地"这段路，几乎没人系统讲过。

所以我做了这件事：

ai-eng-system：一套"不是代码库"的开源项目

? github.com/tianwena/ai…

它是一套由 SKILL.md（YAML frontmatter + 指令正文）组成的行为规范集，一共 36 个技能，外加配套的自动化检查器和质量闸门。设计目标是：让一个人 + AI 编码 agent 团队，具备从想法到商业落地的完整能力。

里面有什么

10 个自研的编排与商业落地技能，补上"单 agent + 人"模型没覆盖的四段链路：

• product-validation —— 写代码之前先验证有没有人要（G1 没过不许写产品代码）
• multi-agent-squad —— 组队规则：文件是唯一共享内存、审查者必须独立、阶段边界换窗口
• production-readiness —— 上线前逐项闭环，没验证过的不许标"已完成"
• payment-and-billing / launch-and-ops / growth-and-analytics —— 收款、上线、增长
• 等等

26 个工程纪律技能（部分衍生自优秀开源方法论，许可与致谢都注明了）：逼问式访谈、TDD 红绿重构、双轴代码审查、难 bug 诊断环路、深模块设计……

比技能更硬的是机制。 这套体系的核心理念是"能自动化的闸门，就不要靠纪律"：

• quality-gate.ps1 —— 15 项质量检查（密钥泄漏/硬编码凭证/依赖漏洞/SAST/危险模式…），零依赖可跑，退出码可直接进 CI。它的"不撒谎"设计我很得意：工具没装就记 SKIP，装了但没跑成就记 NOTRUN——既不算通过也不算失败，绝不让"没查"伪装成"查过了"
• self-test.mjs —— 检查器自检：用种入缺陷的假仓库做负向测试，硬编码密钥、eval()、shell=True 全部抓到并定位到行号
• 提交前钩子 —— git commit 自动跑体检，不过不让提交
• verify-structure.mjs —— 项目开工前的结构校验

为什么它值得你 Star

我可以在 README 里吹"经过实战检验"，但更有说服力的是这个事实：这套体系自己的检查器就抓出过自己的三次 bug——两次靠独立上下文的 reviewer 拿真实项目跑才暴露，一次靠负向测试自己发现。所以它的维护纪律里写着一条很诚实的规矩：

改了检查器/闸门，必须起一个独立上下文的 reviewer 复审。改的人看不出自己的错，需要另一双眼睛，或一个会失败的测试。

一个开源项目承认"自改自判不可靠"，并把这件事写进纪律、配上工具——这在 AI 辅助开发的时代，可能是比任何技能都值钱的一条经验。

如果你正在用 Claude Code / Cursor / 或者任何 AI agent 工具做项目，被"AI 做出来的东西不是我想要的""改一处崩十处"折磨过，这套体系里的方法论和闸门，就是我拿四个真实项目换来的答案。

最后

从"改配置文件都费劲"到四个能跑的项目 + 一个开源工程体系，中间没有魔法，只有反复的：说清楚 → 验证 → 翻车 → 复盘 → 把复盘变成机制。

四个项目里，RPG 的 493 项测试、量化系统的稳健性三查、狼人杀的信息隔离、导图的服务端无环检测，各有各的看家本领——但把它们串起来的那条线，就是 ai-eng-system。

GitHub：github.com/tianwena/ai…

觉得有用就点个 Star，也欢迎交流你的 AI 编程踩坑经历——这套体系还会继续进化，你的坑就是我下一篇文章的素材。