1. AI应用的一个推力是用较少人力驱动更大的业务实现。但如果基建不够稳健，例如断网，那么就会发生单点故障。因此AI业务应该是多通路的，多部署的。这样就会发生分布式环境的一致性需求。
  2. AI的开发未必是SDD only, 或者是CDD/RDD/xDD... only的部署和开发环境，更可能的环境是依据于业务需求和协作规模的不同而是多开发模式混合的模式。Hybrid Pattern Driven.
  3. AI的依据控制需求的不同，会衍生出低控制（纯AI开发），高控制（低粒度，高单元测试，人工架构设计，接口控制, etc.）以及居中的各种程度的控制开发模式。
  4. 由于AI的成本需求，开发能力，context window大小，内存需求等等限制，对于大型代码开发一定需要分块，分项目开发。依据于不同开发要求，AI的协作方法论会不同。人的价值就在于控制力把控。
  5. 高控制架构的AI控制的缺点在于，需求扩展性的人为干预更多，时间更长。低控制架构的缺点在于移植性差。
  6. 软件不是一蹴而就的，伴随着大量的改动,规模也是随着几个小应用而慢慢变大，移植性，可扩展性都需要考虑。
  7. 在个人应用处理，例如个人助手上，个人开发者应该没什么机会，然而，A2A可以是一个机会。