从 ScrumPilot 的 17 个 Sprint 里总结 AI Agent 工程化的关键教训。
ScrumPilot 从 PRD 到 Sprint17，最有价值的不只是代码，而是过程里沉淀的工程经验。这里总结 10 条。
1. 先做 Workflow，再做聪明 Agent
没有 Workflow 的 Agent 很难追踪和测试。先把流程固化，再让 Agent 做判断。
2. Context 是系统能力，不是 Prompt 变量
Session、Context、Trace 应该是基础设施，不应该散落在各个调用里。
3. Guardrails 要早做
越早建立输入输出门禁，越容易控制质量。等系统复杂后再补，会很痛。
4. Adapter 必须统一协议
飞书、企业微信、Web Chat 都只是入口。内部应该尽早统一成 UnifiedMessage。
5. 内存实现不是玩具
很多模块先用 InMemory 实现是正确策略。它能让你快速测试语义，再替换基础设施。
6. RAG 和 Memory 要分开
RAG 解决知识检索，Memory 解决经验沉淀。两者相关，但不是同一个东西。
7. Model Router 是成本控制核心
不同任务用不同模型，才有可能在质量、成本、速度之间取得平衡。
8. Dashboard 是信任工具
AI 系统越自动化，越需要可观测。Dashboard 不是摆设，是让人相信系统的关键。
9. 文档是发布能力
没有用户手册、演示脚本和培训计划，功能再多也很难被采用。
10. 反馈闭环决定长期生命力
发布不是结束。反馈、采用度、路线图回流，决定产品能不能持续变好。
最后
ScrumPilot 是一个很典型的 AI 工程化项目：它既有 Agent，也有 Workflow；既有模型，也有数据；既有聊天入口，也有部署和看板。把它拆成 Sprint 去做，是比“一口吃成胖子”更稳的路线。
