思辨录
醉月思博学之，审问之，慎思之，明辨之，笃行之。
—— 《礼记·中庸》
这里按问题整理站内较完整的思考文章。关注的不只是工具怎么用，也包括判断的依据：结果怎样验证，概念的边界在哪里，以及为了一个收益需要承担什么成本。
AI 写完代码，怎样判断它真的完成了？
模型说“完成了”，还需要测试和实际运行来核对。这篇从 AI 编程的交付过程出发，区分提示词、上下文与执行环境的职责，讨论工具、沙盒、验证和人工确认如何共同影响结果。适合从“怎样让它写出来”继续追问“怎样知道它写对了”。
Agent 的运行循环，要不要自己写？
不写 Agent Loop：用 ACP 快速搭一个能干活的 Agent
复用成熟 Agent 能省去一些基础工作，也意味着接受它的运行方式和接口边界。这篇结合接入实践，讨论业务入口、权限、并发和定制需求，帮助判断哪些部分可以交给已有工具，哪些控制权仍需留在自己手里。
数据库、知识图谱和本体，区别到底在哪里？
从“零件延期会影响哪些订单”这个具体问题出发，辨析数据结构、实体关系与业务语义各自解决什么问题。文章也讨论模型提取的信息为什么需要校验，以及哪些场景用普通查询就够了，没必要先引入一套本体。
把代码拆成组件，收益能覆盖复杂度吗？
从《饥荒》Mod 的能力组合讲起，组件能减少重复代码，也会带来事件协作、生命周期和调试上的成本。这篇适合对照自己的对象规模和复用需求，判断什么时候值得拆分，什么时候保持简单更合适。
更短的日常念头和随手记录放在闲来勤思。