用途：Cavekit 是一套用 AI 编码代理构建软件的方法论，核心原则是“先规格后构建”，kits 是开发过程的一等公民，代码由 kits 派生而非相反。绿地项目路径为参考资料→kits→代码，重写项目为旧代码→kits→新代码。
主要能力：kits 结构化、人类可读、与技术栈无关、可独立演进，且每条需求含可验证的验收标准，使应用可由 kits 复现。方法论借用科学方法类比：LLM 调用如单次实验，kits 如假设，验证门如受控条件，收敛循环如重复试验，实现追踪如实验记录，修订如修正假设。
Hunt 生命周期：Draft（源材料→与技术无关的 kits）、Architect（kits+框架调研→实现计划）、Build（计划+kits→代码、测试与追踪文档）、Inspect（失败验证与缺口→上游修订 kits/计划）、Monitor（运行应用与 git 历史→问题、异常与进度报告）。各阶段有门条件，如 Draft→Architect 需所有领域 kits 具备可测试验收标准并经人工审阅。
使用方式：按项目规模选择。完整 Cavekit 适用于 50+ 源文件、需求演进、多代理、生产或安全敏感、长期自主执行的项目；轻量 Cavekit 适用于 5–50 文件，只需编写 context/kits/cavekit-task.md 与 context/plans/plan-task.md 并运行迭代循环；小于 5 文件的一次性任务可跳过。迭代循环为对同一代码库重复执行同一提示，直到两次运行差异趋近于零。
适用场景与限制：适合绿地开发、遗留系统改造、多代理流水线。若迭代不收敛，问题通常在上游——kits 含糊、验证标准过松或多代理互相覆盖，应修正输入而非增加迭代次数。资料未提供具体安装命令、收费与价格信息。