# AI 工程化

本目录把 AI 使用从“个人工具经验”升级为可复制的工程底座。一次 AI Coding 必须说清任务说明、上下文、代码索引、Prompt/MCP 和验收指标。

## Input

| 输入项 | 说明 |
| --- | --- |
| 任务说明 | 要让 AI 做什么，不做什么 |
| 上下文来源 | README、AGENTS、代码路径、微盘索引、会议纪要、历史 summary |
| 代码索引 | 相关仓库、模块、接口、类、文件、搜索命令 |
| Prompt/MCP | 使用的 prompt、skill、MCP、工具、模型 |
| 验收指标 | 测试通过率、一次修改成功率、耗时、返工次数、token 成本、响应速度 |
| 复用对象 | 哪个同事、哪个项目、哪个后续任务会复用 |

## Process

1. 在 `ai-engineering-map.csv` 登记 AI 工程资产。
2. 用 `templates/ai-coding-evaluation.md` 记录一次 AI Coding 评估。
3. 可复用方法进入 `standards-stack/agent-skills/skills/`。
4. 可持续知识进入 `standards-stack/llm-wiki/` 或对应 `work_<project>/`。
5. 团队复制说明进入 `standards-stack/agent-skills/CODEX_TEAM_SKILL_HANDOFF.md` 和 manifest。
6. 代码或文档变更的经验学习进入 `../prompt/governance/DOCUMENT_REVIEW_LEARNING_LOOP.md` 和 `../agent-skills/skills/team-document-review-learning-loop/SKILL.md`，Markdown 给 AI 学习，HTML 给人 review。

## Prompt Quality Guardrails

涉及任何非平凡团队问答、资料检索、需求澄清、提示词、Agent 指令、研究、写作、创意、评审或多模型验证时，先使用 `../agent-skills/skills/ai-prompting-quality-guardrails/SKILL.md`。默认补齐上下文包、证据等级、可靠信源策略、推理深度、客观性/反讨好要求、分项评分表和验证闭环；团队底层规范见 `../prompt/governance/TEAM_SHARED_QA_BASELINE.md`，方法页见 `../llm-wiki/ai-prompting-for-everyone-method.md`。

## Automated User Behavior Testing

- `automated-user-behavior-testing-control-standard.md`：跨系统自动化用户行为测试、错误追踪与 Codex 修复闭环标准。总控入口为 `../../control/automated-testing/`，先登记系统和 P0 用户行为流，再用浏览器/API/CLI 证据包驱动 Review -> Repair -> Validate 闭环。

## Business Monthly Report Agent

- `../llm-wiki/ai-engineering/business-monthly-report-agent-method.md`：经营月报 Agent 方法，固定“不把原始 CSV 直接丢给 AI”的工程化分工：Python/SQL 算指标和证据包，Agent 编排流程，Skill 固化口径和停止条件，大模型做经营判断和表达，人负责财务、客户承诺和资源决策复核。

## Output

- Prompt / skill / MCP 使用说明。
- 上下文和代码索引。
- benchmark 或内部评估表。
- 安装和复制说明。
- 可复用知识库或技能。

## Team Introduction

- `AI_AGENT_PROJECT_INTRO_FOR_BEGINNERS.md`：面向第一次接触 AI Agent、Codex、Prompt OS 和控制项目的同事，用入门友好的方式介绍团队 AI Agent 项目是什么、为什么做、怎么用、不能怎么误解；适合复制给产品、交付、开发、测试、项目经理和管理者。
- `../llm-wiki/ai-yunxiao-codex-collaboration/README.md`：沉淀 2026-04-27 云效 × Codex 产研协同试点结论，固定“不迁移协同底座、云效承载协同、Codex 承接执行、人负责评审验收、Prompt/Skill/QA 沉淀为资产”的团队口径。

## 完成口径

只说“用了 AI”不算 AI 工程化。必须有上下文、索引、Prompt/MCP、评估指标或可复用资产。

只做了代码或文档 diff 也不算团队学习完成。必须有 Markdown 证据、人审 HTML（如适用）、review 结论、认可经验和否定反模式的分离记录。