从一个信号，到真实世界里的影响。
一条从头到尾有纪律的流程——以及执行它的那组专职 AI 角色，边界由人来划。
发现
问题是找来的，不是想出来的。最早那几个来自我自己的桌面——每周吃掉同样几个小时的那些杂事。后来的来自经营者不经意间抱怨的具体事情，以及「市场嘴上要什么」和「市场已经在为什么付钱」之间的落差。这一步的产出：一份写下来的问题陈述，以及谁有这个问题。
验证
独立去查，而不是自己说服自己。桌面研究、把对手的定价拆开看、跟正在被这个问题困扰的人聊。问题很窄：有没有人已经在为解决它付钱，而且解决得很烂？这一步的产出：证据，或者一份写下来的停手理由。
质疑
在写第一行代码之前，红队先来拆台，而且它有权直接叫停。要重启，只能拿出针对那条具体反对意见的书面证据——不是更好的说法，也不是我的信心。这一步的产出：活下来的那些假设，逐条写明。
建造
最小可信产品——可信的意思是，一个真实用户能拿它跑自己真实的活，不是看个演示。范围取决于怎样最快验证那些活下来的假设，功能清单大部分会死在这一步。这一步的产出：一个到了客户手上的东西。
交付
真实用户、真实支持、真实的出错方式。大部分假设死在这里，有用的那些在这里变得更锋利。没有东西靠预测晋级。这一步的产出：客户自己会确认的结果。
学习
行得通的变成可复用的——一个模式、一个组件、操作系统的一部分。行不通的写下来，好让下一个项目不用再付一次学费。这一步的产出：一份会累积的资产，而不是一份事故报告。
一组各有专职的 AI 智能体，像一个人那样工作。
十个角色，每个职责都很窄，交接方式都写明。一个统筹角色把整条流程串起来。
找出值得做的机会。
把洞察变成真实进展。
交付、复盘、累积。
智能体提议。人来定。
这套操作系统是加速器，不是决策者。智能体负责收集证据、互相辩驳、起草和建造。但它们无权决定 SUNVEX 交付什么、收多少钱、对客户说什么。
有三个决定永远不交出去。一个项目能不能晋级。对客户承诺了什么。钱花在哪。
这三条在名单上，不是因为模型做不好，而是因为在这三件事上出错是不可挽回的，而模型不承担任何后果。
其余的都是有意下放的——速度正是从这里来的——而且每一次下放都留下书面记录，好让一个决定日后可以被复查，而不是靠回忆去还原。
十个智能体擅长什么，以及哪些决定被我收了回来