SPEC-AGENTS.md 这个项目升级到 2.0：
- 加入对话前的意图识别，让 AI 不再马上落地执行，而是先与用户明确意图
- 加入专家模块，在执行特定领域的任务时，动态调用，产生更高质量的结果
如下是简单的发布文案：
* Spec-AGENTS v2.0：动态意图路由
** 一言总结：v2.0 将意图与执行解耦。AI 现在会先进行“预飞行检查”，明确你的意图，再动态加载最适合任务的模块。
** 问题：AI 是个锤子，把所有东西都当钉子
标准 AI 假设每个提示都是立即执行的请求。当你需要思考时，它试图写代码；当你需要精确实现时，它却给你泛泛而谈的建议。
- 上下文错配：你想要一个快速脚本，它却给你一堂课；你想要系统架构，它却给你一个代码片段。
- 上下文污染：一个巨大的提示试图处理所有事情，使 AI 混乱，降低了其在特定任务上的效率。
** 解决方案：大脑 + 工具包架构
Spec-AGENTS v2.0 引入了两步“调度系统”：
*** 第一步：路由器（核心协议）
在执行任何操作之前，AGENTS.md 强制 AI 暂停并询问：“用户现在想实现什么？”
*** 第二步：专家（动态模块）
一旦意图明确，AI 就会从 =.phrase/modules/= 库中获取特定的“技能模块”：
- 意图：启动阶段 → 加载 =pr_faq.md=
- 策略：“别急着开发。”
- 动作：切换到面试模式，澄清产品愿景。
- 意图：实现阶段 → 加载 =linus_coding.md=
- 策略：“有品味地编码。”
- 动作：强制执行 5 层思维模型并进行严格的代码审查。
- 意图：沟通阶段 → 加载 =copywriting.md=
- 策略：“销售，而不是讲述。”
- 动作：将转化原则应用于你的文档。
** 最小可行验证（“路由”测试）
1. 升级到 v2.0。
2. 测试 A（项目经理路线）：问“我有一个插件的模糊想法。”
- 结果：AI 识别出“模糊性”，加载 PR/FAQ 模块，并开始面试。
3. 测试 B（程序员路线）：问“重构这个类让它更清晰。”
- 结果：AI 识别出“实现”，加载 Linus 模块，并对你的数据结构提出批评。
- 加入对话前的意图识别，让 AI 不再马上落地执行，而是先与用户明确意图
- 加入专家模块，在执行特定领域的任务时，动态调用，产生更高质量的结果
如下是简单的发布文案：
* Spec-AGENTS v2.0：动态意图路由
** 一言总结：v2.0 将意图与执行解耦。AI 现在会先进行“预飞行检查”，明确你的意图，再动态加载最适合任务的模块。
** 问题：AI 是个锤子，把所有东西都当钉子
标准 AI 假设每个提示都是立即执行的请求。当你需要思考时，它试图写代码；当你需要精确实现时，它却给你泛泛而谈的建议。
- 上下文错配：你想要一个快速脚本，它却给你一堂课；你想要系统架构，它却给你一个代码片段。
- 上下文污染：一个巨大的提示试图处理所有事情，使 AI 混乱，降低了其在特定任务上的效率。
** 解决方案：大脑 + 工具包架构
Spec-AGENTS v2.0 引入了两步“调度系统”：
*** 第一步：路由器（核心协议）
在执行任何操作之前，AGENTS.md 强制 AI 暂停并询问：“用户现在想实现什么？”
*** 第二步：专家（动态模块）
一旦意图明确，AI 就会从 =.phrase/modules/= 库中获取特定的“技能模块”：
- 意图：启动阶段 → 加载 =pr_faq.md=
- 策略：“别急着开发。”
- 动作：切换到面试模式，澄清产品愿景。
- 意图：实现阶段 → 加载 =linus_coding.md=
- 策略：“有品味地编码。”
- 动作：强制执行 5 层思维模型并进行严格的代码审查。
- 意图：沟通阶段 → 加载 =copywriting.md=
- 策略：“销售，而不是讲述。”
- 动作：将转化原则应用于你的文档。
** 最小可行验证（“路由”测试）
1. 升级到 v2.0。
2. 测试 A（项目经理路线）：问“我有一个插件的模糊想法。”
- 结果：AI 识别出“模糊性”，加载 PR/FAQ 模块，并开始面试。
3. 测试 B（程序员路线）：问“重构这个类让它更清晰。”
- 结果：AI 识别出“实现”，加载 Linus 模块，并对你的数据结构提出批评。