用途：适用于 AI 智能体完成大部分实现工作、人类负责质量与风险控制的工程流程。
主要能力与原则：执行前先定义完成标准；把工作拆分为适合智能体处理的单元；按任务复杂度选择模型层级；用评估与回归检查衡量结果。
评估优先循环：定义能力评估与回归评估；运行基线并记录失败特征；执行实现；重新运行评估并比较差异。
任务分解：采用 15 分钟单元规则，每个单元应可独立验证、只含一个主要风险、并有明确的完成条件。
模型路由：Haiku 用于分类、样板转换、窄范围修改；Sonnet 用于实现与重构；Opus 用于架构、根因分析与多文件不变量。
会话策略：紧密耦合的单元延续同一会话；重大阶段转换后开启新会话；在里程碑完成后压缩，而非在活跃调试期间压缩。
AI 生成代码的审查重点：不变量与边界情况、错误边界、安全与认证假设、隐藏耦合与上线风险；当自动格式化与 lint 已强制风格时，不必在纯风格分歧上耗费审查周期。
成本纪律：按任务记录模型、token 估算、重试次数、实际耗时、成功或失败；仅当低层级模型因明确推理差距失败时才升级模型层级。
限制：资料未提供具体安装命令、配置方式、支持的平台或收费信息。