代码审查应优先关注行为正确性、边界条件、数据流、验证证据、安全和维护成本。

用类比和少量代码讲清生产级 Agent 工作流上线前的检查原理，覆盖目标定义、工具权限、状态、评测、可观测性和人工兜底。

从 diff 自检、验证证据、风险说明和回滚思路四个方面检查 AI 生成改动是否适合进入评审。

AI 产品上线前要检查数据权限、Prompt Injection、错误输出、高风险场景、日志脱敏和人工兜底。

Agent 工具调用提示词需要明确工具边界、参数契约、确认条件、失败处理和审计信息。

说明 Prompt 如何从临时文本变成可版本管理、可评测、可回滚和可发布的工程资产。

团队落地 AI 工程需要统一工具、上下文、评测、权限、成本和知识沉淀，而不只是购买账号。

面向产品和创业读者的 Prompt 工作流：先定义用户场景、输入来源、输出标准和失败处理，再打磨表达。

从输入、上下文、工具权限和输出检查角度，梳理大模型应用常见安全风险和防护边界。

图片通常是公开页面性能瓶颈，优化要从尺寸、格式、优先级、占位和 CDN 策略入手。