核心用法
ARCHITECT 是一个目标分解与执行引擎，接收高层目标后自动运行8步循环：解析真实目标→分解为依赖任务图→按依赖排序→全情执行每项任务→验证输出→失败时自适应修正→合成最终结果→记录反思。支持5种模式：BUILD（深度构建）、AUDIT（审计分析）、SPRINT（快速冲刺）、ITERATE（迭代优化）、RESEARCH（研究调查）。
显著优点
真正自主：无需逐步指令，自动推进任务流，失败时自纠正而非中断询问。
结构化执行：依赖图确保任务顺序合理，原子化任务避免模糊，验证机制保证质量。
零配置即插即用：无依赖、无配置，兼容任意模型，可与 apex-agent（认知层）、agent-memoria（记忆层）组成完整代理栈。
持续进化：每次执行后的反思日志积累个人工作模式，10次后显著改善估计与分解能力。
潜在缺点与局限性
黑箱风险：高度自主意味着用户可能失去对执行细节的掌控，复杂任务中的关键决策过程不够透明。
幻觉累积：长链条自主执行中，早期任务的微小错误可能在下游被放大，验证机制依赖模型自检，存在盲区。
模式识别局限：触发词自动切换模式可能误判用户意图，紧急与深度的平衡依赖关键词而非语境理解。
不可逆操作边界模糊：虽然文档列出"询问优先"事项，但"修改用户数据"的定义在实际执行中可能存在灰色地带。
适合人群
- 创始人、独立开发者：需要快速将想法转化为可交付成果
- 产品经理：需要端到端的研究报告、竞品分析、文档撰写
- 效率极客：厌倦逐步指导AI，追求"给目标，拿结果"的体验
- 已有 apex-agent/agent-memoria 用户：补齐执行层，组建完整代理栈
常规风险
- 过度委托：用户可能因"无需逐步指令"的便利而放松监督，在关键业务场景中产生质量事故
- 上下文膨胀：长任务链中历史累积可能导致后续步骤偏离原始目标
- 适应性陷阱：自纠正机制可能用"次优方案"替代"询问用户"，在需要人类判断时自动降级