用途：该技能面向“整个项目或多阶段流水线”级别的决策，而非单个工具设计。适用于判断某任务是否适合用 LLM 处理、设计批处理或多智能体流水线、估算 token 与费用、选择单智能体还是多智能体，以及组织智能体辅助的开发迭代。
主要能力：提供任务—模型匹配的“继续/停止”判断表；强调先做人工原型验证再投入自动化；给出规范流水线结构 acquire -> prepare -> process -> parse -> render，其中仅 process 阶段为非确定性且昂贵；建议用文件系统作为状态机（如 data/{id}/ 下 raw.json、prompt.md、response.md、parsed.json）实现幂等、缓存与调试；给出结构化输出设计要点（分节标记、格式示例、声明将被程序化解析、约束取值）与健壮解析器建议；提供成本估算公式 Total cost = (items x tokens_per_item x price_per_token) + API overhead，并建议预留 20-30% 缓冲；讨论单/多智能体选择、架构精简、迭代重构与项目规划模板。
使用方式：按任务分析、人工验证、架构选择、成本估算、开发计划的顺序推进；逐阶段实现并测试，用文件存在性判断是否需要处理，删除输出文件即可重跑该阶段。
适用场景：批处理分析流水线、多智能体研究系统、交互式智能体应用等。
限制：不负责单工具描述与 schema（属 tool-design）、上下文优化、智能体拓扑细节与自主控制循环设计；资料未提供具体安装命令、收费与平台信息。