用途：在花钱之前，用模拟买家群体检验产品推介是否有人愿意买。它不替你猜，而是让一批子智能体分别扮演目标客户中的具体买家，你只做主持人，不能替买家作答。
主要能力：通过 panel.py 管理全部流程。先写 founder/customer.json 描述目标客户（business、target、2-4 个 segments 及收入区间、4-8 条购买行为、4-8 条异议，可选 habits），再写 founder/pitch.md 作为买家看到的推介（3-6 行，不用夸张词）。随后执行 PANEL init --customer founder/customer.json --pitch founder/pitch.md --n 100 与 PANEL prompts，按每 10 个一波发送 Agent 调用（旧版 Claude Code 中为 Task），子智能体类型 general-purpose，提示为读取对应 brief 并严格照做。全部完成后运行 PANEL check、PANEL prompts、PANEL tally。若买家把 JSON 打印在回复里，可用 PANEL save <id> 保存；连续失败两次的买家会被排除并计入结果。
输出：founder/panel/results.md 与 results.json，包含购买率、买与不买的人群差异、前三名拒绝理由及原话、能改变决定的回答，以及价格反馈。
限制：这些是模拟买家，擅长暴露异议、细分人群和措辞问题，但不擅长预测真实转化；语言模型倾向顺从，购买率只能当作上限。重大决策仍需真实用户验证（等候名单、预售、带价格的落地页），且不得把面板引述当作客户证言。100 个买家意味着 100 次子智能体调用，首次可先用 --quick（20 个）；默认权限模式下每个答案文件需一次批准，建议使用 accept-edits 模式。