用途：为面向终端用户的智能体专家提供设计指南，用于构建能学习用户行为的产品功能、创建按用户存储的个性化专家文件、实现 AI 驱动的自适应 UX，以及评估该方案是否适合具体场景。
主要能力与结构：区分代码库专家与产品专家——前者按领域、存文件系统 YAML、随代码变更更新；后者按用户、存数据库 JSONB、随用户行为更新，且体积更小、延迟要求高、涉及隐私。架构含行动追踪、用户专家存储、UI 生成智能体三层。用户专家采用 schema，含 preferences、behavior_patterns、interaction_history、inferred_interests、recommendations_context 等字段。
使用方式：遵循 Act-Learn-Reuse 循环。ACT 记录用户动作并入队；LEARN 加载专家、按动作类型更新、重算推断兴趣并保存；REUSE 加载专家生成个性化 UI（推荐、布局、促销、导航）。
延迟与隐私：针对延迟给出预计算、渐进加载、专家缓存、分层个性化四类方案。隐私方面强调数据最小化、用户控制（查看/清除/关闭个性化/导出）、保留策略（对旧交互做衰减）。
适用场景与限制：适合电商推荐、内容个性化、搜索排序；简单偏好、低流量产品不适合；合规敏感领域需谨慎。实施清单涵盖数据库、后端服务、智能体集成、前端、隐私。反模式包括同步更新、无界历史、无回退、过度个性化、无衰减。