把一个真实的个人痛点——「想知道最近有哪些值得看的演出，但信息散在十几个平台、还经常过期」——用 AI coworking 一路推到可运行、可部署、可讲述。下面是这四周里，比「做了什么」更值得说的部分。
四周，五个阶段
第一天没有上来就做 App，而是先把它拆成一条数据管道：用 fixture 假数据绕开反爬，先验证 LLM 抽取这条核心价值链路，再回头处理大麦的登录态和风控。接着先挑最容易的源（秀动、摩天轮）打通，拿到「它真的给我发通知了」的第一刻，再逐层加难。然后把本地脚本云端化成 FastAPI 服务，跑在 ECS 上每天自动采集；做出 SwiftUI iOS 客户端，让作品有了可消费的界面；最后把偏好做成可以用一句话持续校准——profile 同步更新，最多 500 条历史演出的重打分丢到后台异步执行。
这条线里几个判断比代码更关键：把系统当「数据管道」而不是「实时监控」，每天跑一次就够，避免被名词带去做实时系统；敢砍演出详情页，digest 只做发现层，购票决策回原平台；好抓的源上云、难抓的（大麦）留在有登录态的本机辅助采集再同步——让不同约束各自找到合适的位置。
最值得记录的一次事故：设计稿带偏实现
做 iOS UI 时踩了一个典型的多 agent 协作坑：设计 agent 为了「更完整、更像正式产品」，补出了一批没有后端支撑、也不在范围内的功能入口；coding agent 默认相信上游设计稿，把这些假入口写成了真逻辑，界面和数据契约脱节，App 直接崩。根因不是某个 agent 写错代码，而是协作链路缺少可执行的产品边界——上游的幻觉会变成下游的开发任务。
处理方式是回滚不稳定方向，重写一份面向设计 AI 和 coding AI 的 PRD：不只写要做什么，更明确写不做什么——只有 4 个 Tab、不做详情页、不做推送所以不放任何假开关、所有可点的 UI 必须有真实反馈、后端才是唯一事实源。之后又固化了一个多模型 review loop：Codex 负责实现，Claude Code 做 code review，再回到 Codex 复核这些 review 意见并收敛修复。跑通这个流程后，代码问题明显下降。
这件事也是这个项目最想讲的一点：AI 时代 PM 的价值不是消失，而是从「写需求给人」迁移成「定义约束、设计协作协议、让多个智能体在同一个事实源下工作」。
