计划：四个决策问题，和「不用 RAG」的反直觉选择

目标

把调研结论变成可执行的实施计划，并明确人和 AI 的分工：人拍方向性决策，AI 负责方案细化。

关键 prompt（原文摘录）

你先帮我基于调研的，做个plan

就这一句。随后 AI 反过来向人提了四个必须由人拍板的问题：

1. 目标岗位方向？ → AI 应用开发（这决定了 AI 分身从「一个功能」升级为「全站的技术展示核心」）
2. 网站语言？ → 中文为主，结构留好英文扩展位
3. AI 分身第一版怎么实现？ → 真大模型 API + 预设问答兜底，用 OpenAI 兼容接口（DeepSeek/智谱/Kimi/OpenAI 任意可插）
4. 部署到哪？ → Vercel

然后由一个规划 agent 产出完整实施方案：技术栈选型、文件树、聊天后端设计、system prompt 方案、6 个里程碑和验证矩阵。

结果

计划确立了贯穿全站的三条设计原则：

1. 每个技术决策都是展品——最典型的就是「v1 故意不用 RAG」：简历语料只有几 KB，全量进 system prompt 比向量检索更准、更省、零基础设施。知道什么时候不用 RAG，比硬上 RAG 更能证明判断力。
2. 单一数据源——content/ 同时驱动页面和 AI 的 prompt，架构页展示的 prompt 与线上同源。
3. 优雅降级链——真 AI → 演示模式 → 静态页面，任何一环失败站点仍完整。

踩坑与纠正

计划里预判了一个风险：「AI SDK v5 与训练数据中 v4 写法冲突，网上教程大量是旧版」。结果开工装包时发现连 v5 都旧了——装上来的是 v6。预判的方向对了，但低估了生态的速度。应对方式见下一篇。

用时与备注

含四个决策问题的往返与规划 agent 运行时间，合计约 20 分钟。