给 AI 积累工具，是想以后少操点心。结果最好用的那个，还是我熟悉业务之后亲自设计的。
日常排障的过程会自动保存在 Codex 的会话里，从提出问题、引导排查，到一轮轮执行、根据反馈调整，直到问题解决。最初的设想是，让 AI 定期回看这些记录，找出反复出现的问题和可复用的处理方法，整理成排查指引，再生成查业务数据的工具，以后遇到类似问题，就能少绕点路。
当时想找的，其实就是一个能自动运转的“圣杯”：把每一步都设计好，以后遇到问题就照着走，不必再自己操心。
实际也确实生成了不少东西。但排查指引很少用上，查数据的工具则经常要调用好几次，才能把想要的数据拼出来。AI 最后往往还是能找到答案，单看结果，这件事是做完了。可原本就是嫌它到处找上下文太费劲，才想替它铺一条近路；折腾出一批工具以后，它仍然得四处碰壁。
后来熟悉了业务逻辑，我亲自设计了一个查数据的工具。这个反而最好用，一次就能拿到想要的数据。纠结的地方在于，它确实接近了最初想要的效果，但依赖的是自己先把业务弄明白，再介入设计。
这也让我开始怀疑，之前从这些排障经历里提炼方法的方式是不是不对。记录里既有引导和纠正，也有 Codex 每一轮执行和调整，最后问题也解决了，可从中整理出来的指引和工具，用起来却没那么顺。也可能只是当时那套自动生成的系统做得太差，继续改还有机会。现在还分不清。
本来是想当甩手掌柜。要是得先自己把业务想明白、把工具设计好，那个本来想靠日常使用自己转起来的飞轮，到底替我省下了哪一部分？