最近参加了一场 AI 黑客马拉松。

看了很多团队的作品，给我带来了一种思维方式的变化。

我发现，很多技术人，做应用时都带有明显的开发者思维。

看到一个 AI 产品，脑子里第一反应总是：

我把 AI 接入了企业微信工作流，让它帮我处理一些日常的轻度工作，整体感受还不错。记录一下接入过程中的几个关键决策和一些细节。不是什么高深的东西，只是分享一下我的实践。

在微服务越来越普遍的今天，接口测试面临一个很现实的问题：

测试环境难搭、依赖服务太多、Mock 成本越来越高。

一个简单的接口调用，背后可能依赖数据库、Redis、消息队列以及多个下游服务。为了编写自动化测试，我们往往需要花费大量时间构造 Mock 数据，维护测试环境。

今年，各公司纷纷将重心放在 AI 上。随着半年的“热火朝天”，AI 领域也开始出现了名词膨胀的现象，仿佛流畅说出各种高大上的概念，就代表对 AI 有了深入理解，以便升职加薪，或是吸引流量、贩卖焦虑。

Shopify 最近更新了一篇文章，讲了他们如何使用 MySQL 替换 Redis 实现库存预留（Inventory Reservation）。我进行了一番阅读，并结合自己的实验做了一些分析。

一、为什么 AI 项目越来越像“玄学”

很多人第一次做 AI 应用时，都会有一种错觉：

“调用一下 GPT API，不就做完了吗？”

例如：

response = llm.invoke(prompt)

看起来确实简单。