Geek-skills-xuefeng-method

用途：这是一套AI-Native产品开发方法论，适用于用户行为开放、不可穷举的AI驱动产品（如AI日历、AI助手、AI推荐、对话式产品），以及强模型依赖、多专精Agent架构、上线后校准与行为审计等场景。核心是强模型依赖×多专精Agent×快速校准×行为审计，与克谦方法论互为对偶，后者解决边界明确时的可靠执行，本skill解决边界不确定时的应对。 主要能力与原则：先判断产品类型（+AI、AI-native、混合），选错方法论比没有更危险。第一原则“穷举是死循环”，用行为模式簇（聚类5-15个典型用户模式）、优雅降级（置信度低时回退确定性逻辑或请求人工）和概率性验收（检查输出是否落在可接受集合，而非严格相等）替代穷举。第二原则“多养专精虾”，按理解、执行、校验、表达拆分Agent，各自独立评估，但存在上下文依赖链、无法精确控制上下文注入或合并对齐成本过高时不拆分。第三原则“唯快不破”，按行为属性测试、快速上线、用户反馈与漂移检测、快速校准循环迭代，迭代速度优先于单次质量。第四原则为模型选择，纯编码用codex系列，代码加推理用通用旗舰模型，自然语言任务用通用模型，并按复杂度路由以控制成本；长上下文需在阈值前compact。第五原则以行为审计替代质量门禁，定期采样输出、检查属性、人工抽检、漂移检测并生成报告。第六原则是一切以用户为中心，管理期望、设计优雅降级并建立反馈闭环。 使用方式与限制：资料给出工作流模板与每日每周每月运维节奏，并建议参考references/behavioral-clusters.md与references/drift-detection.md。具体安装命令、收费与价格、平台信息暂未提供。