用途：这是一套AI-Native产品开发方法论，适用于用AI Agent（Claude Code、Codex、Cursor等）做产品级软件开发、设计优化Harness/Skill体系、文档驱动开发（SDD）流程、构建自动化质量门禁与eval机制等场景。
核心理念：产品人思维×极致单Agent×文档驱动×质量门禁闭环。第一原则为Iron Law（铁律）：概率乘是第一性原理，各环节成功率相乘决定最终质量，因此不追求一次完美，而追求每个环节可验证、可修复、可迭代，每个action对应一个eval。
主要能力与主张：单Agent极致论，默认顺序执行，仅在任务间明确无依赖、可精确控制上下文注入时才用并行SubAgent；文档驱动开发，约7成精力投入文档与harness、3成写代码，流程为需求文档→技术文档→代码实现→文档回写；质量门禁闭环，每个Action对应Eval，不通过则自动修复最多N轮，仍不通过升级给人类；产品拆解思维，端到端复杂、单维度简单，边界内泛化；与AI斗智斗勇，用eval应对AI抵抗，及时compact。
使用方式：资料给出实战工作流模板，分文档先行、代码实现、迭代收敛三阶段，并建议日常顺序给任务、每任务带eval、定期查看、按harness问题或模型问题分别处理。参考资料指向references/sdd-framework.md与references/eval-patterns.md。
限制：资料称该方法适合场景明确、边界可定义的产品，对用户行为高度不可预测的AI-Native交互产品需补充上线后快速迭代机制。文中成本数据（如缓存命中率99%+时每1亿token约8.5 RMB）为作者实测经验，非通用承诺；具体安装命令、平台支持与收费信息暂未提供。