AI 研发时代的范式迁移
王福强
前后端分离不再是最佳实践
前后端分离是基于专业化角度，通过分工来提高交付效率的实践。
因为人的时间精力和专注力是有限的，能达到全栈能力的人极少（而且即便是有全栈能力，再扩大到产品、设计这些领域，依然是短板），所以，我能就必须通过组织结构的调整来提高整体交付效率。
有了AIAD之后，个人的能力边界极大提高了，每个人不再应该按照专业能力划分责任范围，而应该按照产品、业务、场景等粒度进行映射。
MonoRepo 应该成为主流
过去为了提高交付效率，将工作拆分成细粒度的微服务等形式， 对应的物理形式也是一个个细粒度的project。
AIAD加持下，AI Agents其实更习惯全量吸收，如果还是采用过去细粒度project的组织形式， AI Agents就得添加补救措施，比如claude code允许--add-dir <path>添加当前项目目录以外的内容，原因就是上下文范围不够。
所以，现在更适合MonoRepo，也就是所有相关物料， 不管是产品文档、设计文档、架构文档、API规范、源代码、CICD配置，等等，全都放在一个目录下面，然后全都交给AI Agent。
团队成员只要根据业务线职能配合核心专业能力调动Agents开展工作就可以了。
所有物料都在当前MonoRepo里，也不用再“文档交办”传来传去。
多平台特定方案优先于跨平台一体化方案
过去限于资本和人力的限制，一开始就搞多平台方案，各方面压力都比较大，一个是资金投入多，一个是凑齐多平台研发成员难，所以才会有跨平台方案的崛起，只要基于一套技术方案搞研发，最后框架和方案自动支持复制和分发到多平台。
但有了AI加持之后，情况变了。
AIAD带来了10+的研发效率提升，构建多平台应用也不再需要专职的研发人员日积月累经验，直接可用。
所以，从一开始就根据多个平台各自的特点构建应用应该成为AI研发时代的最佳实践。
而且，每个平台的发布流程和资质审查等，其实也是倾向于各自平台自己的技术栈，所以，采用每个平台特定的技术栈，在审查这些层面也降低了门槛。（比如JavaFX框架虽然可以开发一个应用，然后win/macos/linux下都能跑，但假如要上架macos的app store，签名和公证这些要求就很难饶过了，最后只能自行分发，享受不到app store的流量加持）
Distill instead of reuse
重用，在过去是最佳实践，在今天，却不一定了。
根据当前应用需要，可以让AI Agents直接从现有系统或者模块中抽取最小必要的逻辑或者代码，不但省去了依赖巨大非必要模块的问题，还能进一步定制。
当然， 重用不是没用了，只是很多地方没必要了。
容错思维而不是异常思维
过去研发是一心想要封堵所有错误，但概率系统里，错误或者幻觉反而是难免的，我们要学会的是容错，允许犯错，只不过，犯错后后续支撑流程就可以了。
过去其实也是有错误支撑流程，不过更多叫故障。
只不过，错误并不是你不让它发生，它就不会发生了。
开天窗，拉认知，订阅「福报」，即刻拥有自己的全模态人工智能。
