/2,639 字/阅读约 10 分钟
给 119k star 项目提 PR:8 小时从评论到合并的完整复盘
一次向 MoneyPrinterTurbo(119k+ star)提交 OpenAI 兼容文生图素材源并被合并的完整复盘:占坑式沟通拿到约束、用数据回应"改动过大"的顾虑、测试证据链决定合并速度,以及维护者在后续 PR 中指出的付费 API 容错设计缺陷。
一次向 MoneyPrinterTurbo(119k+ star)提交 OpenAI 兼容文生图素材源并被合并的完整复盘:占坑式沟通拿到约束、用数据回应"改动过大"的顾虑、测试证据链决定合并速度,以及维护者在后续 PR 中指出的付费 API 容错设计缺陷。
围绕「向量 RAG vs LLM Wiki + grep / Agent 自主检索」的四派立场梳理(谨慎派、混合派、场景决定论派、演进视角派)、四个辩论冲突点,以及一组可直接落地的决策框架:按更新频率、查询频率、数据规模、领域特性决定上不上 RAG。
把"记住教训"从 agent 的自觉变成基础设施:三层漏斗体系——规则强制捕获(项目级原始档)→ 定期蒸馏(全局技能)→ 协议化进化(活性维护)。
单靠 Prompt 加限制词防不住注入,正确做法是搭建「输入侧 → 模型侧 → 执行侧 → 输出侧」四层纵深防御体系,其中执行侧权限管控是最硬的底线。
700+ Skill 库的四层治理体系:L1 排序层(选得对)、L2 存储管理层(管得住)、L3 分区保护层(改不坏)、L4 自进化层(不腐烂),叠加快慢双路径检索。