使用PRDs制定计划，并将任务分配给成本更低的智能体

开发者使用高级智能体编写PRD文档，将其拆分为任务列表，然后在工作流中将任务分配给成本更低的智能体来完成。

具体怎么做

评论者描述了一种内部架构，包含两个系统：一个基于任务的工作流，用于执行 TDD 规范，并支持使用 git 树运行多智能体流程；此外还有通过钩子和规则实现的持久化内存。他们的日常流程是，与 Opus 这样的高级智能体合作制定 PRD，将其分解为任务列表，然后将实现工作分配给成本更低的智能体；他们还表示正在开发自己的 Python 协调器，通过 API 调用 Haiku 或其他智能体。

做到了什么

原文未提供具体的性能数据或业务成果。将其描述为一种正在持续发展的内部工作流，而非完整的系统，用户仍需自行构建相关配套体系。

上手要点

实际问题在于，这依赖于评论者构建的自定义基础设施，包括任务执行、持久内存以及运行中的编排器。