LandscapeFlow 项目理解

解决团队项目认知偏差与复用壁垒

在园林或空间设计类项目中，团队协作常面临两个关键痛点：首先是信息断层，不同成员对同一场地的事实基础往往理解不一；其次是流程过载，项目早期阶段极易越界输出概念或方案，导致后续调整成本不可控。

本技能引入了“机器可读上下文”的概念，目标是在动笔画图前，建立一个唯一事实基线。

核心工作方式与关键步骤

本技能将“理解项目”拆解为严谨的标准化流水线：

1. 全量上下文预检：

在执行初期，系统会强制校验 99_Project_Control/ 目录下的状态机与索引文件。若前置的资料整理未完成，流程会直接阻断并报告，而非硬着头皮乱读。

1. 逐条溯源与标签化：

从卫星图量测数据到任务书文字，所有信息被强制打上标签。例如，仅记录图中所见而不判定为甲方偏好，或者明确标注某推断为【AI当前理解】而非既成事实。

1. 生成双轨成果：

通过结构化脚本，将零散资料蒸馏为一份给后续 Agent 读取的 project-blueprint.md，同时自动排版出一份供人类审阅的 .docx 文档，确保“机器执行”与“人类决策”各司其职。

适用边界与注意事项

• 严守阶段边界（Vigilance）：该技能在描述中明确划定了红线——不输出方案，不做推断。它只负责识别差异与风险（如场地面积与任务书不符），而非越界提供“设计策略”。
• 确认机制的强制约束：Blueprint 生成后处于 DRAFT 状态，必须等待人工明确批准（Approve）后方可转为 CONFIRMED，并作为后续 03 阶段的唯一事实基线。
• 无状态执行逻辑：每次运行被视为全新会话，技能不依赖历史聊天上下文，仅依赖文件系统中的物理文件，这极大地提升了流程在多轮迭代中的鲁棒性。