用途：在启动可能受益于 LLM 的新项目、评估任务与模型是否匹配、设计 LLM 应用架构、规划带结构化输出的批处理流水线、选择单智能体或多智能体方案、估算成本与工期时启用。
主要能力：提供任务-模型匹配判断表（适合跨来源综合、带评分标准的判断、自然语言输出、可容忍错误、批处理、模型已有领域知识；不适合精确计算、实时响应、要求完美准确、依赖专有数据、强顺序依赖、要求确定性输出）；强调先做人工原型验证；给出流水线结构 acquire -> prepare -> process -> parse -> render，其中仅 process 为非确定性且昂贵；用文件系统作为状态机（raw.json、prompt.md、response.md、parsed.json）实现幂等与缓存；结构化输出设计（分节标记、格式示例、声明将被程序解析、限定取值）；智能体辅助开发；成本估算公式与 20-30% 缓冲；单/多智能体选择标准；架构精简（Vercel d0 从 17 个工具减到 2 个，成功率 80% 升至 100%）；迭代与重构建议。
使用方式：按项目规划模板依次执行任务分析、人工验证、架构选择、成本估算、开发计划；分阶段实现并逐段测试。
适用场景：批处理分析流水线、多智能体研究系统、交互式智能体应用。
限制：资料未提供具体安装命令、收费与价格信息；示例中的成本与耗时仅为个案数据，不构成通用承诺。