用途：在启动可能受益于 LLM 的代理项目时，指导判断任务是否适合 LLM、设计应用架构、规划批处理管线，并在单代理与多代理方案间做选择，同时估算成本与时间。
主要能力：提供任务—模型适配识别（适合合成、主观评分、自然语言输出、可容忍错误、批处理等；不适合精确计算、实时、要求完美准确、依赖专有数据、强序列依赖、确定性输出等）；强调先用手动原型验证再自动化。给出五阶段管线架构：acquire→prepare→process→parse→render，前四与末阶段确定性、中间阶段非确定且昂贵，便于只重跑昂贵阶段。主张用文件系统作状态机，以文件存在标记阶段完成，获得幂等、易调试、易并行与缓存。要求提示词明确指定可解析输出格式并告警将程序化解析，解析器需容忍格式变化、缺省与记录失败。介绍智能体辅助开发：给清晰需求、拆分组件、逐件测试、一次聚焦一任务。给出成本公式“总成本=条目×每项 token×单价+API 开销”，建议预留 20–30% 缓冲，并通过截断、小模型、缓存、并行等控制。另述单/多代理选择（多代理主要为上下文隔离）与架构精简（如 Vercel d0 从 17 个专用工具减到 bash+SQL 两个原语，成功率 80%→100%）。含反模式：跳过手动验证、单体管线、过度约束模型、忽视成本、要求完美解析、过早优化。
使用方式：按任务分析、手动验证、架构选择、成本估算、开发计划模板推进；具体安装或调用命令暂未提供。
适用场景：批处理分析、研究系统、交互式代理应用等。限制：资料未提供具体平台、收费、价格或效果保证；缺失事实暂未提供。