面向智能驾驶研发的 AI 工具链：从知识沉淀到自动化执行
AI 工具链的价值不在替代工程师，而在把知识整理、代码检查、文档生成和测试协作这些重复事务纳入可审计的工程流程。
智能驾驶研发的日常并不只有模型和算法。更多时间消耗在日志整理、问题复盘、参数对比、接口文档、测试报告和跨工具协作里。AI 工具链应该优先改造这些低创造性但高频的环节。
从知识库开始
真正可用的 AI 不是临时问答，而是能接触项目上下文：代码仓库、设计文档、故障记录、测试数据和决策过程。把这些资料整理成可检索、可引用、可审计的知识库，是自动化执行的前提。
自动化边界
AI 可以生成初稿、跑检查、做摘要、提出风险，但涉及安全策略、量产标定和控制器发布时，最终决策必须由工程责任人确认。自动化应该强化验证链路，而不是绕过验证。
可落地的路线
第一步是把博客、项目、外部动态和文件服务打通；第二步是把 GitHub、公众号和社交平台变成自动索引；第三步再把项目文档、实验记录和代码审查沉淀为可复用的工程智能体。
补充说明
这是一篇个人工程笔记。写到标准、指标和项目边界时，我会尽量给出出处；真正落地时仍要回到具体需求、评审材料和验证结果。