我要展示一个策略：把一个大项目拆成多个模块，让 AI Agent 并行工作，互不阻塞。以前需要五六个开发者干六到八周的活，现在一天之内可以完成。具体案例：构建一个扫码订餐小程序——前端、后端、数据库、支付集成全部并行推进。
在写任何 prompt 之前，先把项目的"事实依据"整理成 MD 文档。这些文档是后续所有 Agent 共享的 ground truth，没有它，AI 输出的代码会出现大量变异和冗余。
我整理了三份文档：
另外我还建了设计库（design gallery）——把按钮、徽章、品牌图标等基础组件预先定义好，一处修改全局生效。这让我在后面对话里不需要反复描述 UI 要素。
在一个对话窗口里，我给 AI 下达指令：读取所有 MD 文档，基于它们生成五到七个独立的子计划。每个子计划对应一个模块——用户注册、菜单浏览、购物车、下单支付、订单追踪、后厨接单等。每个子计划必须详尽到每一行代码、每一个 API 端点。
这里有一个关键教训：AI 非常懒。第一次输出往往只有一百行，计划又短又模糊。我的跟进 prompt 是逐字逐句的："看看这些计划有多短多模糊。我需要所有东西。"——注意"所有东西"这个词。说完之后它才真正全力输出。
拿到计划后需要再次审计：把业务基础设施 MD 文档重新喂进去，确认每个计划都覆盖了所有端点。结果是它会以文档为事实依据，补充相关内容。这里有一个关键要求——本地 API 端点是生产级合约（production-shaped contracts），不是临时的一次性 mock。这意味着你在本地用 Docker 搭建的 API 环境，未来推到生产时只需要重新接线真实端点，代码逻辑不用改。
在同一条对话里，用子 Agent（sub-agent）并行启动所有计划。每个 Agent 拿到一个独立计划的 prompt，在自己上下文中独立编码。七个计划同时跑。
结果：它生成了数千行代码——就是你在社交媒体上看到的"怎么有人能一次产生两万行代码"的方式。
这个过程需要几个小时（我的后端大概两小时，前端两个半到三小时）。我不可能坐在那里盯着你看代码跑，所以我只给你看结果——一天之内，一个完整的扫码订餐小程序诞生了。
AI 经常会只生成桩代码——比如写一个 class OrderService，括号里什么都没有，就关了。这纯粹是为了让你看到架构，没有实际逻辑。
排查方法：直接在对话里问"这里面有桩代码吗？"或者"这个输出是不是只有桩？"然后让 AI 把所有桩拆成具体文件列表，再逐个填充实现。
每次让 AI 拆分计划时，它总会试图用一个计划覆盖所有内容——"相信我，我能用一个计划做出整个订餐小程序"。你需要明确拒绝它，强制拆开。这对没有编码经验的人来说是最大的门槛——你不会自然地知道"什么时候 AI 在偷懒"。
我没有在同一个对话里同时做前端和后端。上下文衰减（context decay）是真实存在的——如果你发现随着时间推移 AI 越来越垃圾，必须开新对话。
但怎么保证新对话知道已有的后端代码？从旧对话中提取出相关 MD 文件和信息，作为新对话的 context 输进去。第一个 prompt 就是"先读取所有 MD 文档，再开始构建移动端体验"。
在本地开发阶段，不要接真实支付 API。用假数据（dummy data）填充所有界面——假设宫保鸡丁售价28元，我不关心数据真不真实，我关心的是菜品卡片在 UI 上长什么样。
假数据的正确集成方式是：以行业标准方式构建数据层，让假数据和真实数据走同一套接口定义——这样推到生产时，把数据源从假切换到真，不会有冲突。比如下单接口的请求体和响应体结构先用假数据跑通，后面只需要把数据源换成真实的支付服务商。
可视化：在对话里说"给我画一张 Mermaid 图，展示所有即将构建的东西"——你可以看到整个应用的流程拓扑（用户扫码→浏览菜单→加购物车→下单支付→后厨接单→订单追踪）。这在一年前还做不到。
Preflight 检查：我用自己做的 Boost OS 工具做 preflight——检查计划中是否存在臃肿代码、死代码、遗留代码，以及最重要的：确认新计划是否基于已有架构来构建（而不是重复创建已经存在的文件）。
领域知识注入：你知道的行业规则要明确写进 prompt。比如我知道餐饮小程序通常需要手机号验证才能下单——所以我在 prompt 里写了"用户必须先通过手机号验证才能进入点餐页面"。
| 环节 | 要点 |
|---|---|
| 事实依据 | MD 文档定义技术栈、架构、API 端点——所有 Agent 共享 |
| 拆分计划 | 强制 AI 拆成五到七个独立计划，拒绝它用一个计划覆盖全部 |
| 并行执行 | 子 Agent 同时开工，互不阻塞 |
| 排查桩代码 | 直接问 AI "是不是桩" |
| 上下文隔离 | 前端和后端分两个对话，新对话注入旧对话的 MD 文档 |
| 假数据先行 | 本地开发全用假数据，推生产时只改数据源 |
核心原则就一句话：给 AI 事实依据 + 拆分指令，不要让它猜；永远不让一个 Agent 同时操心前端和后端。