用途：面向LLM项目的项目级决策，覆盖是否该用LLM、流水线形态、成本估算与迭代方式。
主要能力：提供任务与模型匹配的评估表（适合：跨来源综合、带评分标准的判断、自然语言输出、容错、批处理、模型已有领域知识；不适合：精确计算、实时要求、100%准确、依赖私有数据、强顺序依赖、确定性输出）；要求先做手工原型验证；给出标准流水线 acquire -> prepare -> process -> parse -> render，并将第3阶段（LLM调用）与其余确定性阶段分离；用文件系统作为状态机，以文件存在性实现幂等与可调试；设计结构化输出（分节标记、格式示例、说明将被程序解析、约束取值），并构建容错解析器；用智能体辅助开发加速迭代；用公式估算成本并留20-30%缓冲。
使用方式：按项目规划模板依次执行任务分析、手工验证、架构选择、成本估算、开发计划；单智能体流水线为默认，仅在需要并行探索、超出单上下文窗口或子智能体可显著提升质量时才升级为多智能体；主张架构精简，先最小架构再按生产证据增加复杂度。
适用场景：批处理分析管道、多阶段研究系统、交互式智能体应用的项目立项与重构。
限制：不负责单个工具的接口设计（属tool-design）、单轨迹Token优化（属context-optimization）、智能体拓扑拆分（属multi-agent-patterns）、自主控制循环（属harness-engineering）。文中部分案例（Vercel d0、Manus）为引用性描述，具体数据暂未提供完整出处。