过去的传统模式是大家需要什么数据提需求，研发开发。 - 运营需要拉一个数据看板 - 产品需要分析用户的各类埋点数据 - 运营想做一个活动需要给用户做一个活动网站 - 还有来自各个角色的一些内部常用的数据生产与查询平台 - 售后排查用户的产品使用问题，需要查询用户数据 过去这些都需要研发投入人力配合。
但其实底层数据无非就是 db 与 log 。 db 和 log 都可以在权限收敛的情况下开放只读数据。
db 可以通过做数据同步独立维护一个只读库。所以研发同学只要把 db 里的相关表的 schema 和数据逻辑以及 log 数据的查询方式做成 skill 公开给团队即可。
但是时间久了，研发会多了一些其他工作： - aksk 管理 - 需要经常更新 skill ，并让团队里每个人的 AI 及时使用最新的 skill - 需要为团队的人分配 DB 实例，部署项目，分配域名 所以为了解决这些问题，我做了一个平台，用来提供内部 skill 管理、项目自动部署、环境变量管理。内部用了一段时间，还是挺解放研发时间的。
不过如果高度敏感的这样直接开放给团队还是很容易失控的，密钥的分配时间久了也容易失控，所以只适合数据安全没有那么敏感的。所以这个项目的定位就是 [ 有一定的数据权限管理但又没那么敏感的想要把数据和业务逻辑在团队内流通起来让大家都用自己的 AI 使用这些数据去解决问题的场景] 👉 github： /ai-market-guide/ 全部界面功能截图与录屏： /ai-market-guide/ ---- 数据越敏感则权限管控越复杂，比如引入更复杂的 行列级权限管控，再引入角色、权限组的概念去管理。
比如考虑引入网关服务，所有网路请求都走统一网关，这样连密钥也不用下发给每个用户，完全在服务端完成 cli 、db 等等各类工具的鉴权认证。市面上有一些成熟的产品了，但我感觉这事局限性高、落地执行困难，所以后来就放弃了。
感觉这个 eat （ easy-agent-team ）项目还是维持一个小团队内快速落地使用的这种理念比较好。 ----- 这个项目是我第一个采用 全 AI Cloud Vibe Coding 的产品， 使用云端环境时，AI 可以完成所有功能的端到端验证。
cloud 端直接拉起整套 db 和 dokploy 做模拟测试。上面看到截图也是 cloud 环境直接 claude 自己生成的整套内容。
ps. 我原本想要做到一行 人工 code review 都不做，不过最后失败了，还是人工干预了一些哈哈