系统设计师（原型）
一句话：让 AI 在你脑子和项目之间当设计师——把张力、直觉、目标变成可落地的蓝图。
最简 MVP（待扩展）
一张蓝图 md + Meta 视角的 agent = 能把”我想要的”拆成 Objectives + Outcomes。
复杂度梯度（待扩展）
- L0：一份 Blueprint.md 手写
- L1：PO3 框架（Purpose / Objectives / Outcomes）
- L2：Blueprint-Driven Development（先蓝图后代码）
- L3：张力分析 → 资产评估 → 杠杆选择（战略级）
能耦合什么（待扩展）
推荐阅读（相关原典）
- Building Effective Agents（5 种 workflow 模式）
- Software Is Changing（三层软件范式）
🎬 3 个典型读者场景
场景 1 · 管理者要设计”人才盘点”系统但拆不动
一个带 20 人团队的 leader，想做季度人才盘点。脑子里有 20 条直觉（谁在瓶颈、谁被埋没、谁要流失），但一坐下来就只能做 Excel——把直觉压成五个格子，丢了 90% 的张力。
最小起步：
- 写一个
Blueprint.md：先写 Purpose（为什么做），再写 3 个 Objective（想拿到什么） - 把 20 条直觉一条条写进”张力记录”段，不急着归类
- 让 AI 陪你分 3 轮读这些张力，每轮问”这背后真正要解决的是什么”
场景 2 · 产品经理做 AI 需求梳理
要给老板讲”我们要做一个 AI 客服”，但自己都不清楚要解决的到底是”客服慢”还是”客服答得不对”还是”客户其实不想找客服”。
最小起步：
- 先不写需求，写
PO3三行：Purpose / 3 个 Objective / 每个 Objective 的 Outcome 指标 - 每个 Outcome 问自己”怎么判断做到了”——答不出来的就是假需求
- 让 AI 当你的 Meta 视角追问，逼出藏在需求背后的真张力
场景 3 · 独立开发者”蓝图走读”
写了 2000 字的方案觉得完美，让 AI 扮演”挑刺的 senior”从目标倒推，往往当场发现 3 个矛盾。
最小起步：
- 蓝图写完先不看第二眼
- 让 Meta 视角的 agent 读蓝图，指令是”找 3 个内部矛盾 + 3 个未明说的假设”
- 把 AI 挑出来的 6 条贴进蓝图底部做 v1.1
🛠️ 搭这个原型的最少工具组合
- Meta / 架构师视角的 agent（一个
meta.md或architect.md定义对话风格 = 追问、不给答案） -
Blueprint.md模板：Purpose / Objectives / Outcomes / 张力 / 约束 / Plan B - PO3 框架：一页纸把”为什么-想拿到什么-怎么判断拿到了”写清楚
- 张力记录表：任何卡住都写进去，不急着解决（以后回头看是金矿）
- 可选升级：资产评估（VRIO）/ 杠杆选择（哪件事性价比最高）
📏 从最简到进阶的 4 档
- L0 · 能跑（5 分钟）：开一个 Blueprint.md，手写 Purpose 一行 + Objectives 三条
- L1 · 加能力（30 分钟）：引入 PO3 框架 + 让 AI 帮你检查每个 Objective 有没有可验证的 Outcome
- L2 · 多能力拼（2-4 小时）：Blueprint-Driven 流程——先蓝图、再设计、再施工；用 Meta agent 当”盘问者”定期 review
- L3 · 完整系统（数天-数周）：张力分析 + 资产评估 + 杠杆选择三件套，站在战略层做决策（这层陈彬 tacit 深）
⚠️ 这个原型最容易翻车的 3 个点
- 蓝图写成 spec 文档：症状是一份 2 万字死文档，一个月没动。原因是把蓝图当”写完就完”。避免：蓝图每迭代一次加版本号，失败张力回写进蓝图
- PO3 套模板不思考：症状是 Objective 填得像 KPI，Outcome 全是”提升 20%“。原因是没问自己”怎么判断”。避免：Outcome 必须是具体可观察的事件/数字/反馈
- 设计完不迭代：症状是蓝图 v1 锁死，施工翻车了还硬推。原因是把设计当一次性动作。避免：每次施工遇阻都强制回蓝图问”是不是前提错了”
💭 陈彬的经验（待陈彬 A5 补）
具体案例（系统/01-用例/ · 系统/02-机制/）
代表 git 项目 · 能抄什么
读者想”拿来改改就用”的起点。以下 repo 我们真的验证过存在（2026-04-20）。
- anthropic-cookbook · patterns/agents · Anthropic · “Building Effective Agents” 论文的参考实现（prompt chaining / routing / orchestrator-subagents / evaluator-optimizer）· 设计 agent 前必读
- meta-prompting · Suzgun et al. · 元提示论文官方实现 · 抄它”用结构而非例子指导 LLM 思考”的蓝图方法
- building-effective-agents · Slava Kurilyak · 社群版 · 对官方 cookbook 的 workflow 模式做了二次归纳
- superpowers · Jesse Vincent · brainstorm→plan→execute→review skill 全流程 · 抄它”先设计后施工”的 methodology
skeleton · AI 学者 2026-04-20