前言

先声明一下：

在公司资源有限的情况下日常开发大多依赖 MiniMax 这套最便宜的 AI 套餐。说起来，若你是土豪团队，直接用 Claude/GPT 最新高版就不必再读了。

我正从基础开始搭建 Agent 项目，角色涵盖需求梳理、设计、编码、测试和发布。传统模式下每个需求都需要人工逐条交给 AI 写代码。再自己验证，往往需要数月才能完成整个程序。

老板要求本月看到实质进展，强调“天下武功唯快不破”。加班卷虽能短期赶工，却无法持续。业务营收逐年下滑，如果连自己都失去，最终只能被更年轻、更便宜的人取代。此时高效利用 AI 成为唯一可行方案。

废直接开始直接进入方案。其实，

一、先分析：把需求拆解成可执行任务

痛点：需求模糊导致 AI 产生幻觉；怎么说呢，成本低却缺乏准确性。

例如我手头有一堆前端功能开发和改动的需求。直接把所有细节塞给 AI 并不可行，因为 MiniMax 在编码方面仍有差距且易产生幻觉。从我的做法来看，

1. 先让 AI 分析布局和改动点：
2. AI 提供初步解析后我再确认细节：
• 如果有模糊之处。我会进一步补充说明或截图。
• Ai 的建议一定要，不盲目接受。

与 AI 多轮讨论后当没有疑问点时我会让它生成一个任务拆解表，随后按顺序执行即可。但 MiniMax 的能力仍有限。 为防止幻觉导致错误，需要第三方验证环节。

从二次验证来看。使用更强模型进行核对

痛点：低价模型容易误导，必须保证质量才值得投入时间。

• 步骤1：用 WorkBuddy 的 DeepSeek V4 Pro 进行文档审核
• 主要思路： 让高级模型是否合理，并给出结论。其实，例如它可能指出进度表中有亮点，也可能提出改进建议。

"DeepSeek V4 认为此处需调整 X；请列出具体改动点，接下来交给 MiniMax 再实施。”

• 若高级模型发现问题，再回到低价模型继续修改并 验证；直到两者都同意无误为止，

This 验证环节虽然耗时但能避免因幻觉导致的重工，长期来看能大幅减少成本。

如何长期自动干大活

• 任务拆分原则： 每个子任务控制在 25–30 分钟内完成，以配合定时器触发。过长会浪费额度，不过，过短则频繁触发成本上升。
• 自动化流程示例:

D:\xxx进度表.md
读取下一个待办项
执行对应脚本
更新进度表
如遇错误写入日志
等待下次 30 分钟触发
重复直到所有任务完成

• - 自动自检： 每小时检查一次“最终更新”时间戳，如超过 1 小时未更新则在进度表中标记 超过 1h 无更新。- 服务启停脚本：停止/启动后端/前端，并确保 CWD 正确。以免 .env 或 chroma 创建错误目录。- 验证命令：后端启动后 curl http://localhost:/docs；前端访问 http://localhost:/confirm 是否可用。不过，

双重验证与最终上线

• - 高级 AI 全量检查: 在所有子任务完成后让 DeepSeek 或类似高版一次性审阅整个进度表。若发现遗漏或错误，则返回低价模型继续修正并 审核。怎么说呢，- 人工最终验收：当两者均同意无误后由人工做一次全面功能测试。确保上线质量符合预期，

小结 & 展望

该方案已成为我近期日常的主流工作方式。