最近在多个项目里和 AI 协作了一把，有了一个越来越清晰的感受：AI 能帮你完成 80% 的工作，但剩下的 20% 才是真正见功底的地方。

最近一段时间和 AI 协作处理了好几个线上问题，有一些有意思的观察和思考，记录一下。

时间盒策略：避免 AI 陷入泥潭

在排查一个 Spring 配置加载问题时，AI -agent 在复杂的技术细节里越陷越深，每次给出的方案都越来越绕。其实这时候正确的做法是采用"时间盒（Timebox）“策略——限定比如 10 分钟内必须出阶段性的猜测结果，而不是让它无限消耗下去。

起因

二月底开始用 OpenClaw 辅助一个表格项目的重构，原本以为是个常规的 AI 编程体验记录，结果两周下来踩的坑比预想的多。记几个关键节点，给后面想用类似工作流的人参考。

关于第三代 AI 编程的思考

前几天 Cursor 团队提到了“第三代 Agent 模型”的概念。抛开概念炒作不谈，单看实际落地的工具，像 OpenClaw 这类框架确实已经有点全自动化编程的模子了。把需求扔进去，它自己去查文件、跑终端、看报错日志，大模型直接接管代码仓库的愿景似乎已经近在眼前。但作为每天都在实际业务中趟坑的开发者，从我的真实体感来看，这个“模子”要真正成为可靠的生产力，中间还隔着一道巨大的算力和工程鸿沟。

今天踩了几个坑，主要都和怎么用好 AI Agent，以及一些平时容易忽略的底层架构有关。随便记几笔。