project-development

本技能为开发 LLM 驱动的应用程序提供了一套系统化的架构与开发方法论。它专为需要评估特定任务是否适合使用语言模型自动化，或是否应采用传统确定性代码的工程师、架构师及开发者所设计。本技能通过强制执行“先进行手动原型测试”的准则，以及利用标准化流水线结构来分离非确定性的 LLM 处理与确定性的数据处理，从而大幅减少开发过程中的浪费。

• 任务与模型契合度分析：包含评估任务是否涉及综合信息、主观判断或批处理的流程，并识别如实时需求或精确数学运算等禁止使用的指标。

• 规范化流水线架构：实现 acquire-prepare-process-parse-render 模式，实现模块化调试、幂等性，并通过隔离昂贵的 LLM 调用来有效控制成本。

• 文件系统作为状态机：将目录结构作为持久层，确保流水线状态可由人类阅读且易于调试，便于选择性地重新执行特定步骤。

• 结构化输出设计：优先考虑可解析性的提示词工程最佳实践，包含章节标记、格式示例及约束验证。

• AI 智能体辅助开发：与 AI 编码智能体协作迭代代码库的最佳实践。

• 当您要启动新的 LLM 项目、设计批处理流水线，或评估智能体系统的成本与开发时程时，请使用此技能。

• 工作流程要求在投入全规模自动化之前，必须进行手动验证步骤，将输入内容与 LLM 接口进行测试。

• 预期输入包括项目需求、任务描述或拟定的架构目标。输出通常包含结构化的流水线蓝图、自动化可行性评估及提示词设计模板。

• 限制：此技能不适用于高精确度、亚秒级延迟或纯确定性的算法任务；它专注于可迭代且具扩展性的 LLM 工作流程。