摘要：然而，Agent、Sub-agent、Prompt、Context、MCP、Workflow……这些工具同样是在几乎没有使用手册的情况下被抛给我们的。 js 16, React 19, TailwindCSS v4 API: FastAPI, async SQLAlchemy, PostgreSQL Mobile: Flutter 3.38, Riverpod Infra: Terraform, GCP (Cloud Run, Cloud SQL) CI/CD: GitHub Actions + Workload Identity Federation（无密钥） Observability: OpenTelemetry

为什么重要 AI 生成代码的质量因模型而异，波动较大。 主要特点

基于 mise 的 Monorepo：统一 Node、Python、Flutter 工具链 i18n 单一数据源：同时支持 Web 与移动端 API 客户端自动生成：Orval（Web）、swagger_parser（移动端）

Andrej Karpathy 最近写道：
“如果能把过去一年出现的各种新事物真正整合起来，能力至少可以提升 10 倍；如果做不到，那就是实力问题。”
然而，Agent、Sub-agent、Prompt、Context、MCP、Workflow……这些工具同样是在几乎没有使用手册的情况下被抛给我们的。

特斯拉副总裁 Ashok Elluswamy 表示：
“现在人人都是 CEO。”
也就是说，我们已经进入了一个单人开发者也能打造完整全栈产品的时代。

这两种说法都没有错。
用“点几下”就做出一个服务，确实变得容易了。
但要构建一个同时便于人类与 AI 共同审查、维护的软件，依然十分困难。
想要真正用好这些工具，首先需要打下扎实的基础。

我将自己在以 AI SWE 方式开发服务过程中构建的基础设施开源出来。
相比从零开始，你大约可以节省两周时间。

技术栈

• Web: Next.js 16, React 19, TailwindCSS v4
• API: FastAPI, async SQLAlchemy, PostgreSQL
• Mobile: Flutter 3.38, Riverpod
• Infra: Terraform, GCP (Cloud Run, Cloud SQL)
• CI/CD: GitHub Actions + Workload Identity Federation（无密钥）
• Observability: OpenTelemetry

为什么重要

AI 生成代码的质量因模型而异，波动较大。
结构良好的模板能够为 AI 提供清晰的编码模式，而严格的 Lint 与 CI 则可以充当护栏（guardrails）。

主要特点

• 基于 mise 的 Monorepo：统一 Node、Python、Flutter 工具链
• i18n 单一数据源：同时支持 Web 与移动端
• API 客户端自动生成：Orval（Web）、swagger_parser（移动端）
• 基于 Rust 的工具链：Biome、uv、Turbopack

我将许多文档中不常提及的生产实践与故障排查经验融入到了代码之中。
如需改进，欢迎提交 Issue。

GitHub: github.com/first-fluke…