背景与问题
在多项目、多技术栈环境下使用 AI，最常见的问题不是能力不足，而是上下文混乱和技术栈混用。AI 往往会按自己熟悉的默认方式输出，而不是按当前项目真实语境回答。
尤其是在 Vue3、Vue2、UniApp、微信小程序这类写法差异明显的项目中，这类问题会直接影响可用性。
职责
我负责抽象多技术栈场景下的共性规则，并针对不同栈整理差异化模板，明确 AI 在每类项目里的判断优先级、输出格式和边界约束。
同时持续补充上下文识别方式与项目切换逻辑，让框架更适合真实项目协作而不是一次性问答。
关键难点与取舍
框架既要有通用性，又不能过于抽象到失去实际指导意义。规则如果只有宏观原则，AI 依然容易偏；但如果每种场景都写得过细，维护成本又会显著上升。
所以关键在于平衡统一规则与具体栈特性之间的关系，让框架既可复用，也足够贴近实际开发。
结果与复盘
这个项目让我对上下文管理和多栈协作的一致性有了更系统的理解。相比单个好用的提示词，我更看重一套可持续复用的提示词体系。
它也让我意识到，提示词工程真正有价值的部分，不是“写得巧”，而是“能长期减少误判和协作偏差”。