失败根源：验收标准散落在过时的wiki、Teams消息或某人的脑子里，代理只能猜意图。换代理不能解决缺口，缺的是规范。一次会话生成的解决方案不可重复、不可审计，是披着效率外衣的单点故障。UAT中发现的返工成本约为设计阶段的5倍。
解决方案：用一致的工作项模板承载结构化块——验收条件用Gherkin格式（Given/When/Then），实体和表定义用围栏YAML，业务规则用条件与结果，安全角色显式命名。代理读取字段而非“氛围”，所以要为解析器而非站会写工作项。通过Azure DevOps REST API或MCP服务器程序化拉取工作项，输入结构化规范，输出Dataverse表、Power Automate流、插件代码，且每个产出物自动回链到工作项ID（AB#语法）。可追溯性锚定在Git提交和PR中，而非Dataverse元数据。
禁止区：代理绝不能进入生产环境、不能触碰托管解决方案、不能编辑安全角色或环境变量、不能绑定实时凭据，更不能修改它收到的规范。最经济的护栏是使用一个范围限定为开发环境且拥有自定义安全角色（非系统管理员）的应用注册身份，并配合DLP策略阻止生产连接器。运行前检查清单：规范含围栏块、身份仅限开发、DLP就绪、目标分支为feature、CI验证门控、人工PR审批者、提交模板强制AB#链接。如果七项不能全部满足，代理就不应运行。
将验收标准作为测试预言机：在CI中运行Given/When/Then场景验证生成解决方案，偏离规范即构建失败。目前这是一个需要自行组装（Power Apps Test Engine + 自定义脚本 + Build Tools任务）的模式，并非微软官方产品。人工PR审批者检查的是规范到工件的映射，而非每行代码。
用例演示：一个工项包含案例路由需求（YAML模式 + Given/When/Then），代理读取后生成Dataverse表、路由流和审批流，提交到feature分支，CI门控运行场景验证，开发身份使生产区物理不可达。从chat构建转向规范驱动构建后，可复现、可追溯、有治理。

举个例子：用一个共享实例 prd-acme-rds-sql1，月账单 $1,000。追踪两个库——AcmeSales（繁忙 OLTP）和 AcmeInventory（大容量但低负载）。DBSteward 采集到以下用量（简化）：
指标：AcmeSales / AcmeInventory / 实例总量
CPU (s)：300 / 100 / 1,000
I/O 停顿 (ms)：200,000 / 200,000 / 500,000
磁盘 (GB 均值)：50 / 150 / 400
计算各库占比后，再根据各自权重（AcmeSales 重 CPU 50%、I/O 30%、磁盘 20%；AcmeInventory 重磁盘 60%、CPU 20%、I/O 20%）得出：
AcmeSales 得分 0.295 → 分摊 $295
AcmeInventory 得分 0.325 → 分摊 $325
未分配 (系统/未追踪) 占 38% → $380
总和 $1,000，精确对账。关键：追踪库不硬扛全部账单，未分配部分明示，财务报表可追溯。

laravel-image-sanitize 是一个轻量中间件，在上传处理前扫描图片中的 payload 标记（<?php、phar），若有发现则通过 Intervention Image 从头解码并重新编码，仅保留像素数据，丢弃所有附加内容。使用时通过 Composer 安装，挂载到路由即可。

注意这不能替代 Laravel 自身的验证规则，两者应同时使用。默认支持 JPEG、PNG、GIF、BMP、WebP，不包含 SVG。质量默认 100（近无损），可调整。配置可发布并自定义允许类型、扫描模式、驱动等。

测试时使用 defineEnv 和 objectSource 即可注入任意覆盖值，验证解析结果、缺失变量或类型错误。CtroEnvError 会一次性收集所有错误，避免逐一修复。秘密值可通过 secret() 标记并自动掩码，支持自定义掩码字符串。
调试方面有四个错误码：missing_required（变量缺失）、type_mismatch（类型不匹配）、invalid_value（校验失败，如无效URL）、validation_failed（自定义校验拒绝）。formatErrors 函数可将错误按类型分组并带颜色输出。
CI/CD 集成：CLI 直接解析配置文件，无需导入 schema。支持快速键对比（1秒内完成）、严格值校验、未知键警告（基于 Levenshtein 距离提示）、JSON 输出（可接入 Slack、监控面板）。提供 GitHub Actions 示例，构建阶段通过 Vite/Next.js 插件在失败时终止构建。

gstack 的核心在于审查视角：CEO 视角审视这是否真的是 10 星产品，工程师视角检查架构能否扛住边界情况，设计师视角判断“好”的标准，开发者体验视角关心他人能否顺利接手。最后还包含测试、提交 PR 和部署后的监控步骤。

Garry 在 ETHOS 文件中写道：“工程之墙已倒下，剩下的只有品味、判断力和完成整件事的意愿。” 他声称今年自己写代码的速度比 13 年前快数百倍，但重点不在速度——当写代码成本几乎为零时，决定“构建什么”并拒绝输出垃圾，成了全部工作。他提出“煮海”原则：过去因为工程师时间昂贵，建议不要做完整的事；现在完整版本只要多花几分钟，就应该做完。

另一个关键原则是：“AI 模型推荐，用户决策。”、“两个 AI 模型对同一变更达成一致是强信号，但不是命令。” 每个审查视角的作用都是挑战工作，而不是例行盖章，最终由人决定采纳哪条反馈。

传统方式的问题：Bukkit.getPlayer(args[0]) 只能精确匹配当前在线玩家，不支持选择器和模糊匹配；Tab补全必须手动同步，易出错；命令树固定，无法动态调整。

Brigadier 方式示例：在 LifecycleEvents.COMMANDS 内注册 /punish 字面量，requires 检查权限，then 追加 target 参数并绑定执行方法。对于 /report，先读取配置，若启用 severity 则注册含 severity 分支，否则注册简单分支。

ArgumentTypes.player() 的使用：在命令上下文中获取 PlayerSelectorArgumentResolver，调用 resolve(ctx.getSource()) 获得玩家列表，取第一个或处理空情况。这样命令处理器就能直接使用解析到的玩家。

支持的核心数据库工作流：
• 创建并测试 Snowflake 连接
• 在 Dory SQL 控制台中运行 SQL
• 浏览数据库、模式、表和视图
• 检查表列并预览表数据
• 使用默认仓库、数据库、模式、角色和会话选项
• 通过密码或密钥对认证

认证方式：
密码认证：提供账户标识符、仓库、默认数据库、模式、用户名、可选默认角色和密码即可快速验证。
密钥对认证：粘贴 PEM 私钥，避免存储普通密码，适用于生产环境。

在工作区中的使用：
连接保存后即可在 SQL 控制台中运行标准 SQL，在资源管理器中浏览对象层次。表预览使用 Snowflake 感知的标识符引用和分页，无需手动编写预览查询。

人机协同工作流：
Dory 不仅是 SQL 编辑器，更是 AI 原生数据工作区。用户可手动探索，也可让 AI 辅助编写或优化 SQL，审核、重跑、调整并继续分析。