AI 代码 review 不能只看语法和风格。合并前更应该检查行为回归、权限边界、缓存失效、测试缺口和改动范围是否可信。
真实项目中给 AI agent 组织上下文的方法：先划任务边界，再给文件证据、工程约束和验收方式，让 AI 的输出能被审查、验证和回滚。
面向 Codex、Claude Code 等 coding agent 的模型选择方法：按任务风险、上下文长度、工具调用、延迟、成本和验证方式拆分，而不是盲目使用最贵或最新模型。
使用 AI agent 修改真实仓库时，如何通过分支、worktree、测试、权限审批和脏工作区检查，降低误删、混改、破坏配置和污染主分支的风险。
从真实工程流程解释为什么使用 Codex、Claude Code 等 coding agent 时，必须配合 Git 分支、diff review、测试验证和 PR 审查。
从真实项目开发角度解释 AI 编程工具最适合的工作：读代码、补测试、迁移样板、查调用链和小范围修改；同时说明为什么架构、权限边界、数据模型和发布策略不能直接交给 AI 决定。
从真实项目开发角度解释 Codex 和 Claude Code：它们和普通 AI 聊天的区别、适合谁、能做什么、风险在哪里，以及什么时候该用哪一个。
从工程师视角解释 Vibe Coding 为什么突然流行：自然语言变成开发入口、原型速度变快、更多人能验证需求；同时分析需求、状态、权限、数据、安全和验收上的常见风险。