一次调查交给AI代理，关键在于用知识库和剧本堵住影响范围的遗漏。知识库只存代码读不出的领域边界与波及路径，剧本强制代理自我反证。最终判断仍由人做，核心指标是判断反转率，以此衡量漏报风险。

通过调整Datastream的staleness limit，将BigQuery实时同步表的更新频率从5分钟延长至1小时，结合用户需求调研与自动化部署，实现了约92%的费用削减，并建立YAML配置管理和可视化监控，确保低成本持续运维。

从Fragment导航迁移到Navigation Compose，采用模块化渐进策略。保留起点Fragment内置NavHost，逐个将模块内画面转为Composable。解决二重管理、连按白屏、ViewModel复用等问题，用Maestro做回归验证。已完成5/8模块，最终目标为单一NavHost。

ZOZOTOWN Android的模块结构存在模块臃肿、依赖复杂等问题。通过逐步优化，首先将data模块解耦，强制新Repository保持松散耦合；其次隔离kapt，将@BindingAdapter集中到一个模块，CI构建时间从30分钟缩短至18分钟；最后利用AI辅助，反转core和infra模块的依赖方向，消除不必要的迂回实现。

CloudFront Functions与KeyValueStore结合，实现S3静态资源的金丝雀发布。通过KVS控制流量权重，避免IaC漂移。GitHub Actions自动化部署与回滚，确保同一客户端请求版本一致。

用Claude Code Skills和Amazon Bedrock构建PR自动审查基盘，以NG/OK对形式将暗默知转化为指南，区分PR层级选择模型，通过双角色审查和置信度标签减少误报。系统还能自动提案更新指南，帮助新成员快速掌握领域知识，提升审查一致性与代码质量。

WEAR将CDN从Fastly迁移至CloudFront，实现AWS统一。通过分阶段切换（静态内容、动态内容、VCL逻辑、DNS），无停机完成迁移。此举简化了运维、降低了约40%成本，并提升了安全性。

WEAR项目通过构建评估循环，用最小数据集和定量指标优化LLM提示词，成功提取模糊的时尚特征。该方法避免RAG和微调，以70%准确率为目标，结合领域专家分析错误，最终实现高精度特征抽取并优化了推理成本。

架构不是靠文档约束，而是用YAML定义成可执行的模式。人类和AI都遵循同一套规则，代码自动生成。这让人工评审从纠结代码风格，转向讨论产品本身的价值。

用自然语言写测试用例，AI自动执行E2E测试。Claude Code读取Confluence，调用Playwright CLI操作浏览器，并借助独立计算服务验证结果。无需编写代码，即可完成复杂组合的自动化验证，大幅降低手工测试成本。