一、三十个项目压过来，我只能想别的办法
我的 HomeSense 项目，参考了三十多个开源项目。
从工作流编排的 Dify，到工具注册的 AgentMesh；从多 Agent 联邦的 OpenClaw，到记忆系统的 MemPalace；从手机自动化的 Gkd、UI-TARS，到设备接入的 python-miio、ha-xiaomi-home。
三十多个项目，每一个都有值得我学习的设计模式。
但问题来了：我怎么可能让 AI 把三十个项目全读一遍？
一个项目的核心源码，随便贴几段给 AI，就是几千 Token。三十个项目，光是"阅读理解"的成本，就够我破产好几轮了。
我的中转站额度本来就不稳。GPT-5、Claude Opus 4.7 这些顶级模型，能力强但贵得肉疼。
我必须想别的办法。
二、流水线的核心：分层使用 AI
我把 AI 分成三层，每层干自己最擅长的事：
| 层级 | 干什么 | 用什么 | 成本 |
|---|---|---|---|
| 发散层 | 批量生成方案、读三十个项目源码、提取设计模式 | 免费 AI（Trae）/ 便宜 API | 几乎为零 |
| 收敛层 | 筛选方案、做取舍、优化架构 | GPT-5 / Claude Opus 4.7 | 花在刀刃上 |
| 执行层 | 按文档无脑编码、写测试 | 免费 AI / 便宜 API | 几乎为零 |
贵的做决策，便宜的做执行。
三、发散层：让免费 AI 去啃那三十个项目
我以前尝试过：把 AgentMesh 的核心代码贴给 Claude Opus 4.7，让它帮我分析工具注册模式。
一个文件几千 Token，聊几轮就烧掉几万 Token。而我有三十个这样的项目。
后来我彻底改了：让免费 AI 去干这个粗活。
我会把项目地址丢给 Trae，让它自己去读 README、翻核心文件、提取设计摘要。提示词是这样的：
分析这个项目的核心设计模式，输出 200 字以内的摘要。只描述模式，不要评价。
Trae 慢，但它不要钱。让它跑半小时，回来给我三十段摘要。我扫一眼，有用的留下，没用的扔掉。
同样的方法，我让免费 AI 帮我：
-
基于这三十个项目的设计模式，批量生成 10 个架构方案，每个 200 字
-
提取每个项目最有价值的接口定义
-
生成候选方案的优劣对比草稿
免费 AI 是我的"外包实习生"------啃三十个项目、出草稿、做体力活。
四、收敛层：GPT-5 / Claude Opus 4.7 只做一件事------做决定
免费 AI 给了我 10 个架构方案。我不会把这 10 个方案全喂给顶级模型。
我先自己过滤一遍。
10 个方案里，3 个明显不靠谱（太重、太绕、不适合单人开发），直接扔掉。2 个思路雷同，合并。最后剩下 3 个候选方案。
这时候，我才把 GPT-5 请出来：
这是三个候选架构方案，基于我分析的三十个开源项目提炼而成。我的场景是家庭边缘设备，单人开发，两周内出 MVP。帮我分析优劣，推荐一个。
GPT-5 只花了几千 Token，给了我一张对比表和一个推荐方案。
顶级模型不做体力活，只做"收敛"------从多个选项中选出最优解。
我把这叫做 "AI 评审委员会"：免费 AI 负责啃三十个项目、提十个方案，GPT-5 / Claude Opus 4.7 负责拍板。
五、执行层：把 Spec 变成代码，免费 AI 就够了
方案定下来之后，我写了一份细到函数级别的 Spec。
每个函数都定义好了签名、边界条件和验收标准。
这份 Spec 不依赖任何高级推理能力。它只需要"翻译"------把自然语言描述的函数，翻译成代码。
这时候，免费 AI 完全够用。
我把 Spec 里的函数定义喂给 DeepSeek，它批量生成代码。一个函数一个函数地生成，每个函数配独立的测试用例。
架构设计是我和顶级模型的事，编码翻译是免费 AI 的事。
六、这条流水线的成本对比
以 HomeSense 的一次架构迭代为例，面对三十个参考项目：
| 阶段 | 传统做法 | 我的流水线 |
|---|---|---|
| 三十个项目分析 | GPT-5 逐个读源码（数万 Token） | 免费 AI 提取摘要（0 元） |
| 方案生成 | GPT-5 生成 3 个方案（~5000 Token） | 免费 AI 生成 10 个方案（0 元） |
| 方案筛选 | GPT-5 对比分析（~3000 Token） | 我过滤 + GPT-5 终审（~2000 Token） |
| 代码生成 | GPT-5 写模块（~20000 Token） | 免费 AI 按函数生成（0 元） |
传统做法总消耗：数万甚至十几万 Token。
我的流水线总消耗：约 2000 Token（只在收敛层）。
面对三十个项目，这个差距是数量级的。
七、这套方法的前提：你的判断力
有人会问："免费 AI 分析三十个项目，质量靠谱吗？"
答案：所以需要你过滤。
免费 AI 出的是"草稿"，不是"成品"。你需要有足够的判断力，从三十段摘要里识别出真正有价值的信息，从 10 个方案里挑出 3 个靠谱的。
AI 流水线的前提，是你自己懂架构。
如果你不懂，免费 AI 给你三十段摘要，你看不出哪些是关键信息。GPT-5 给你推荐方案，你不知道它推得对不对。
工具是放大镜，不是替代品。你强，它让你更强。
八、Token 还没白菜价，但三十个项目也压不垮我
这条流水线是我面对三十个参考项目时逼出来的：
-
发散层：用免费 AI 啃三十个项目、批量出方案
-
自己过滤：从一堆草稿里挑出有价值的
-
收敛层：用 GPT-5 / Claude Opus 4.7 做取舍、定案
-
Spec 文档：细到函数级别，不依赖高级推理
-
执行层：用免费 AI 按 Spec 无脑编码和测试
三十个项目不是负担，是三十个设计模式的来源。
Token 还没白菜价，但我的流水线已经能把成本压到最低。
这不是抠门，是资源受限下的工程智慧。