写在前面：本文基于我在两个项目中的实际使用经验，结合源码分析和生产环境实践，力求给出客观、深入的技术对比。文章较长（约 8000 字），建议收藏后慢慢阅读。

我现在已经不太相信“多做实验，自然会长出方法论”这件事了。AI 项目里最常见的情况，反而是实验做得很勤，群聊消息也很多，表格也不是没有，可半年后回头看，大家只记得一句很模糊的话：我们当时好像试过这个。

我见过最糟的一次审核高峰，不是模型判得太差，而是下午五点灰区任务一下子堆了几百条，审核员每打开一条都要先花二十秒找上下文，再花十几秒自己比对差异，真正用来做判断的时间反而只剩一点点。那次之后我就不太信“再上一个模型，人审自然就轻了”这种说法了。很多时候，系统不是缺一个更聪明的判断器，而是缺一张像样的工作台。

有次上线一个看起来很轻的生成接口，前端只是多加了一个“重新生成”按钮，工作流层为了稳妥又补了自动重试，结果当天晚上数据库里就出现了三份互相打架的结果。产品同学以为模型突然变飘，工程同学第一反应去翻 Prompt，最后真正把问题钉住的，却是一串再普通不过的事实：入口没有幂等键，调用链没有统一 traceId，谁也说不清那三次请求到底是不是同一件事。

我后来不太爱用“清理过期文档”这个说法了，因为它太容易让人误会成一次性的删库动作。真正麻烦的，从来不是把几篇旧文删掉，而是判断它们到底该保留、补写、软归档、重定向，还是彻底退出系统。内容写得越久，这个问题越明显，因为旧文不只是旧文件，它们还是外链入口、搜索结果、系列上下文和历史证据。

如果今天让我重新给这个站排下一年的写作方向，我最先想砍掉的，不是某一个具体技术，而是那种“这个也值得写一下，那个也可以补一篇”的冲动。这个站过去最浪费精力的时候，往往不是没写，而是写得太散。

最开始我也以为，把旧博客迁到 Docusaurus 主要是文件格式问题：把文章导进 blog/，补齐 frontmatter，再让站点 build 起来就差不多了。真开始做才发现，Markdown 导入只是最浅的一层。更难的是后面那几件不太显眼、却直接影响站点可信度的事：旧链接能不能继续访问，归档会不会乱，补写过的文章会不会被迁移脚本覆盖，历史内容和新内容能不能进同一套索引。

我现在判断一个 AI 功能值不值得继续投，已经不会先看它演示时有多惊艳了。因为真正烧掉团队时间和预算的，往往不是“它第一次看上去效果不错”，而是上线以后才发现评测起伏大、人工兜底很重、转化不稳，最后整条链都在为一个看起来聪明但不太划算的能力让路。

最尴尬的一次排查，不是没日志，而是四拨人都拿着“自己的那条 id”在说话。前端同学贴了一个 sessionId，BFF 说自己只有 requestId，工作流平台那边只认 runId，到了工具服务层又冒出一个没人见过的 trace。会议开了十几分钟，大家连“我们查的是不是同一次请求”都还没对齐。

如果只看工具清单，2025 到 2026 这段时间变化确实很大。模型在换，供应商在换，RAG 方案在换，Agent 说法也几乎一季一变。可我回头看一圈，真正留下来的并不是那些当时最热的名词，而是几件特别“土”的事情：版本、评测、日志、回放、人工接管。