今天补充一些避坑指南和下一步进阶方向
💡 首先是，搭配食用的7 条避坑指南，可以直接扔给 AI 形成记忆：
- 拒绝"假通"测试：严禁仅用 curl 测试 API。必须通过 MCP 或 browser-use 调用真实浏览器进行端到端点击测试，防止后端数据通了但前端样式丢失或交互失效。
- 原生视觉走查：截图后禁止让 AI 写 Python 脚本读图。直接调用AI的原生视觉能力"看"截图，让它像真实用户一样判断 UI 布局错位或渲染失败。
- 带状态调试：放弃 Playwright 默认的无痕沙盒模式。使用 browser-use --browser real --profile "Default" 挂载本地真实 Chrome 配置（含 Cookie/Session），解决因验证码或登录态丢失导致 AI 无法进入业务页面的死结。
- Git 存档回滚：将 Git Commit 设为"游戏存档点"。在自动化脚本中集成错误检测，一旦 AI 陷入死循环或测试连续失败，自动执行 git reset --hard 回滚至上一个稳定版本，切断错误累积。
- 原子化任务粒度：task.json 的拆解必须极细。拒绝"完成支付功能"这种模糊指令，必须拆解为"定义数据库表"、"写后端接口"、"写前端组件"、"联调"四个独立任务。
- 上下文"无状态"化：不要依赖长对话记忆。每次循环强制重置 Context，迫使 AI 必须通过读取 progress.txt 和文件系统来获取状态，这是保持模型长时间运行不"降智"的关键。
- 文件权限隔离：在 Agent Team 中实施严格的目录级权限控制。Backend Agent 只能写 /api，Frontend Agent 只能写 /src，防止 AI 幻觉导致跨层级乱改代码引发灾难。
🚀 接下来的3 个升级方向，让Agent越来越好用：
- RAG 动态知识库：为 Agent 挂载向量数据库，索引 Next.js 15、Supabase 等最新官方文档。防止模型因训练数据滞后而写出过时语法（幻觉），实现"边查文档边写代码"。
- 成本熔断机制：在循环脚本中集成 Token 计费监控。设定阈值（如单任务耗资 >$2 或重试 >5 次），触发时自动 Kill 进程并推送到手机，防止逻辑死循环导致 API 账单爆炸。
- Human-in-the-Loop 网关：在 task.json 引入 requires_approval 字段。对于数据库 Schema 变更、生产环境部署等高危操作，Agent 必须挂起并发送通知，等待人类回复"Approve"后方可执行。
怎么才能让AI持续工作？这块还有什么经验，欢迎评论交流