精准定义 AI 编程时代的核心概念。消除自然语言歧义，为团队与 AI Agent 建立坚固的工程共识。
随着多轮交互上下文无限膨胀，历史噪音与幻觉污染模型工作区，导致代码质量严重恶化的现象。
大语言模型的注意力机制在超长上下文下会出现有效信息召回衰减。若不主动清洗与交接，Agent 会反复引用过期的废弃接口或错误推理。
在单一会话中持续堆积数十个不相关的任务，指望模型能够精准记住 30 轮之前的隐式修改。
保持单任务原子化，利用 /handoff 压缩提炼关键状态，并在适当时机主动开启新会话冷启动。
Silas Fu 提出的现代 Vibe Coding 研发防腐体系：200 行单文件上限、tsc 0 报错、线框先行、1 秒回退保证。
面向 Agent 的确定性约束框架，将工程质量从依赖模型心情的抽卡行为，转变为编译器与自动化规则强制保障的闭环工程。
任由 AI 生成动辄上千行的庞大单体文件，出现报错时依赖 @ts-ignore 掩耳盗铃。
引入 /project-guard 自动化守护脚本，每次代码提交前执行硬类型检查与垂直切片。
快速穿透系统所有架构分层（UI ➔ API ➔ 存储）的极简端到端原型，用于尽早暴露接口与选型风险。
不同于用完即弃的粗糙原型，探针子弹是真实系统骨架的雏形，代码质量符合生产标准，后续开发在此基础上添砖加瓦。
花费数周打磨完美的局部底层库，直到最后集成联调时才发现核心业务流无法跑通。
在需求初期用 /prototype 快速发射探针，验证数据通路闭环后再扩展全量字段与边界分支。
将跨会话沉淀的业务事实、架构决策与工程边界持久化为结构化 Markdown 文档，实现跨会话无损恢复的知识中枢。
由 Profile、Context、Decisions、Patterns 等分层文件构成，通过置信度阶梯进行冲突裁决，让任何新 Agent 接入即可瞬时同步全景上下文。
将所有记忆混合放在一个无序的杂乱文件中，导致上下文检索成本高昂且经常出现过期冲突。
借助 /my-memories 脚本进行毫秒级切片提取，严禁全库粗暴投喂。