~/iyuenan3/p/petslog — bash — 100×40
tmux 0:project*
$ cat README.md # 项目简介

多宠家庭 AI 健康记录工具,起源是真实生活痛点:家里养 7 猫 2 狗,看病时医生问病史答不上来,记事本和 Notion 都太重,急救场景下连录入都来不及。

三代范式演进,真实痛点没变过。v1(2025.09,Cursor 加 uni-app 加 uniCloud)4 小时跑通 MVP,零代码零测试用例,上线后内测,因 uniCloud 空间未续费下线。v2(2026.01,OpenClaw 重构)以同一需求为载体系统学习单 Agent 长期记忆机制与多 Agent 分工协作,交付 8000 行/32 E2E/38 份 docs/双端加 CI/CD;v2 本质是学习实验,38 份 docs 大半是学习过程的副产物。v3(2026.04,文档阶段)保留 uni-app 加微信云开发的应用形态,把"选宠物-选日期-填表"改为一句自然语言或语音,阿里云百炼 LLM 自动提取宠物身份/事件/体重/用药字段归档到时间线。

LLM 在 v3 中严格定位为"结构化提取机器",强制 JSON 输出,不开聊天入口,加前端防呆和频率限制,规避滥用风险。Claude Code 作为 v3 编码工具。

$ cat DECISIONS.md # 关键决策

暂无

$ history # 项目演进

HISTORY 待补

$ make stats # 关键指标

暂无

$ cat STACK.md # 技术栈
vue 3uni-app微信云开发阿里云百炼claude-code
$ cat NOTES.md # 复盘 & 感悟
  • 三次重构没改变需求,每次是工具的解析力上限抬高:Cursor 让"不会写代码"变为可能(4 小时 MVP),OpenClaw 让"不写测试"变为可能(32 E2E 自动跑),Claude Code 加阿里云百炼让"不需要表单"变为可能。每代工具上限抬高一档,上一代就显得过度工程。这个项目本身是 AI 工具演进的活样本。
  • v2 是学习实验,不是重构代价:用真实需求反复重构的目的是搞清两件事,单 Agent 长期记忆如何持久化与召回(把项目状态/设计决策/未完成任务交给 Agent 自己管),多 Agent 如何分工(agency-agents-zh 角色库加 agency-orchestrator YAML/DAG 编排,产品/前端/测试/部署 Agent 流水线作业)。38 份 docs 是这个学习过程的副产物,不是交付负担。
  • v3 的范式反思:AI 时代真正的杠杆不是减少代码量,而是重新定义用户与系统的交互界面。传统小程序录入分了 4-5 层 UI,急救场景下根本操作不来;v3 把录入这一步彻底改为自然语言,Vue/uni-app/云函数/路由这些工程基础设施仍然必要,被简化的是"用户与表单的交互层"。独立开发者的杠杆在这里。
$ echo "# end of petslog.md"