面向 Coding Agent 的任务拆分方法，让每一步都有输入、边界、验收和回滚空间。

从持久记忆、Skills、工具集和多入口体验理解 Hermes Agent 的技术叙事与落地边界。

MCP Server 不只是技术集成，还要设计权限、输入 schema、工具粒度、审计和用户确认流程。

用产品目标、用户任务、数据条件和交付成本判断 AI 功能是否值得进入 MVP。

面向独立开发者梳理隐私政策、Cookie、用户数据、GDPR 和第三方服务披露的基础要求。

上下文文件应该是一份项目事实清单，让 Agent 稳定理解目录边界、命令、代码风格和交付标准。

对比 Kiro、OpenSpec 和 Spec Kit 的关注点，帮助团队选择适合自己的 AI 规格驱动开发路径。

选择向量数据库时，要从数据规模、过滤条件、更新频率、混合检索、权限和运维成本出发。

面向生产 AI 应用的输出契约设计方法，覆盖 JSON schema、错误状态、枚举、兼容和降级。

从任务类型、延迟、成本、上下文、工具调用和供应商风险出发，为 AI 产品选择合适的大模型。