ADR Methodology 是一套用于记录架构决策的结构化框架，强调人在回路中的 AI 辅助。核心原则是：AI 负责起草、格式化和枚举，人类提供项目上下文、干系人意识并承担最终决策责任。
用途与能力：AI 协助研究并枚举选项、保持格式一致、总结风险与权衡、生成矩阵；人类提供项目约束、政治与干系人考量及最终决策。
工作流分三阶段：
- 上下文到标准（/adr-assistant:new）：收集问题描述、约束、干系人、初始选项，选择框架（Salesforce Well-Architected 或 Technical Trade-off），生成按支柱分组的评估标准，写入 .claude/adr-session.yaml，并提示用户先完善标准。
- 选项矩阵（/adr-assistant:analyze）：读取标准，对每个选项按每项标准评级（低/中/高风险）并附理由，生成对比矩阵，写入状态文件，提示用户完善评级。
- ADR 生成（/adr-assistant:generate）：读取状态文件，询问用户选择哪个选项及原因，用 MADR 模板生成含 AI 披露的 ADR，自动从 docs/adr/ 检测下一个编号，写入文件并清空状态文件。
评估框架：Salesforce Well-Architected（Trusted/Easy/Adaptable）适用于企业级安全、体验与规模决策；Technical Trade-off 框架（Operational/Development/Integration）适用于基础设施与工具选型；也可自定义框架，提取 3-5 个决策驱动因素并确保标准可评估，至少含一项可逆性标准。
风险评级：低风险为对需求、性能或规模影响极小，走标准评审；中风险为可管理但需治理，需记录缓解措施；高风险为无主动缓解则影响显著，需明确接受。一致性规则：每项标准至少应有一个选项为低或中风险，若全为高风险，该标准可能是阻塞项而非权衡。
状态文件 .claude/adr-session.yaml 保存主题、状态、框架、标准与选项评级。输出使用 MADR 模板并包含 AI 披露段落。详细模板与框架见 references/templates.md、references/criteria-frameworks.md、references/risk-ratings.md。具体安装方式与平台支持暂未提供。