古法编程时代习惯用 Rmarkdown 和 python notebook 来做分析，一块代码解决一个问题，探索不同的参数或者分析函数对结果的影响，把最好的探索方向保留下来。
AI 时代感觉这样的探索工作进行时间长了会失控。带的小朋友习惯每天和 codex vibe coding ，在一个大项目上让它出各个探索方向的分析报告，再往上面叠砖块，但是具体怎么样心里没底，会不会 ai 哪天来个 I am sorry 就把以前的工作全给推翻了。我自己动手做的一个策略开发，积攒到 500 多 issue 了，就发现使用 AI 出错的概率明显增加：术语漂移，词汇理解不一致，算法版本混乱导致结果版本多样等。强行要求用 R package （以前用 R 分析比较多）的规范来写函数和写报告要好一些，但是也要花时间去改代码重用逻辑和界面参数等。
想听听大家的经验。