前言¶

用 DeepSeek Harness 或其它编码 agent 做完整项目时，常见困扰不是「会不会写代码」，而是流程选错：该写 spec 时还在 vibe coding，该切会话时上下文已经泥球化，Spec Kit、BMAD 等工具各有一套立场，却少有人讲「什么时候该用哪一种、什么时候不该用」。DSH 社区插件 anjiecobamboo-blip/ai-project-delivery 把这件事做成一份可加载的 Agent Skill，并同时提供 DSH 插件包，便于在 profile 里与 @deepseek-ai/dsh-skill-filesystem 一起注册技能根目录。

这是什么¶

维护者 anjiecobamboo-blip 在 GitHub 发布 anjiecobamboo-blip/ai-project-delivery（当前包版本 0.1.5，MIT 许可证）。SkillHub 分类为工作流。

一句话定位：一份方法论技能（根部 SKILL.md）+ 三份可追溯调研笔记（README 称 55 个来源，一手占比 80% 以上），适用于 DeepSeek Harness、Claude Code、Codex、Cursor 等支持 Agent Skills 的运行时。

它不是又一个 Spec-Driven Development 执行工具，不绑定单一厂商流程，也不替你在本地自动跑流水线；README 明确建议：想直接执行可装 Spec Kit 或 BMAD，本仓库更像「路由层」——用判据选流程与粒度，再把执行交给已有工具或技能。

核心功能¶

下面介绍技能主体里已写明、且与 README 一致的模块，均可在安装后由 agent 按需引用。

什么时候会介入（讨论「怎么做项目」）：要不要写 spec、怎么拆工单、会话怎么切、多 agent 能否并行或 AFK、review 与 Spec Kit / Kiro / 纯对话如何选、新库接入与软件工厂搭建等。

刻意不介入（避免拖慢小任务）：单次编码、单次排错、单次 diff/PR 评审、单次并行分派——README 建议改用更专门的工程技能（如 diagnosing-bugs、code-review 类）。

非技术用户模式（用户声明不懂代码、只会用 AI 时）：一次最多 3 个问题；不展示代码，技术概念先一句类比；每次交付需可演示产物 + 不超过 3 条用户可自判的验收项；关键检查点停手确认；支付、账号、删数据、对外发布前先说明风险并取得同意。

仓库内还提供案例文档（如 README 引用的 docs/case-01-ecommerce-image-tool.md 等），用于对照需求对齐、范围决策与复盘边界；正文不展开案例细节，以仓库文档为准。

安装与启用¶

插件以 DSH 进程权限运行；安装前请自行审阅仓库源码与 MIT 许可证。DeepSeek Harness 生态是「一切皆插件」；SkillHub 目录页 为社区站点，与 DeepSeek / 幻方无官方从属关系。

方式一：通用技能安装器¶

适用于多运行时，安装器会按提示选择 Claude Code、Codex、Cursor 等：

npx skills@latest add anjiecobamboo-blip/ai-project-delivery

方式二：DeepSeek Harness 用户技能目录¶

将仓库放到 DSH 用户技能目录后，DSH 会自动发现根部 SKILL.md，无需重启（热刷新）。README 给出的示例为 PowerShell：

git clone https://github.com/anjiecobamboo-blip/ai-project-delivery.git "$HOME\.dsh\skills\ai-project-delivery"

Linux/macOS 用户可将目标路径改为本机 $HOME/.dsh/skills/ai-project-delivery，命令其余部分与 README 一致。

方式三：作为 DSH 插件包¶

本仓库同时是 DSH 插件包（package.json + cordis.patch.yml）：cordis.patch.yml 复用 DSH 自带的 @deepseek-ai/dsh-skill-filesystem，把包目录注册为技能根目录。README 说明将其作为依赖安装到 DSH profile 后由 loader 加载；具体 profile 依赖写法以你当前的 DSH 文档与 profile 配置为准，勿凭插件名拼接未在资料中出现的 CLI。

经过上面的步骤，技能根目录应包含 SKILL.md、references/research/、cordis.patch.yml 等（完整树见 README「目录结构」）。

典型用法¶

安装完成后，在 agent 会话里讨论端到端项目交付即可触发方法论，例如：

1. 描述现状与目标（返工、失控、越改越乱），让 agent 按四层诊断表定位问题落在哪一层。
2. 在「要不要写 spec、工单拆多细、能否多 agent 并行」等决策点上，引用技能内的启发式与流派分歧表，再决定是否接入 Spec Kit、BMAD、superpowers 等执行层。
3. 若用户是非技术背景，说明「不懂代码、只会用 AI」，技能应切换到非技术用户模式：少问、可演示验收、关键节点确认。

与现有框架的关系（摘自 README）：Spec Kit / OpenSpec 偏 SDD 执行；BMAD 偏角色化敏捷；本技能不要求角色扮演，并说明何时 SDD 是输入、何时是压缩。组合用法是：先用本技能选路径，再把实现交给专用工具或工程技能。

适用场景与注意¶

适合：

• 用编码 agent 做完整项目，需要阶段流程与决策规则的人。
• 需要在 DeepSeek Harness、Claude Code、Codex 等多客户端间保持一致方法论的人。
• 非技术用户借助 AI 做可验收的小产品切片（技能内置专门模式）。

不适合：

• 只要开箱即用自动化流水线（这里是方法论，不替你执行）。
• 单次编码、排错或 PR 评审（有更专门的技能）。
• 需要强合规审计模板的团队（README 称无合规模板）。

已知局限（README）：调研时间 2026-11-03，厂商立场可能变化；结论多来自实践者与厂商自述，技能内经验阈值标〔推断〕；不同 harness 上多 agent、hook 等能力不等价；小团队绿地证据较强，大团队合规与成本模型缺位。

结尾¶

ai-project-delivery 把「用 AI 代理交付软件项目」收成可执行的分阶段流程、心智模型与决策规则，并保留流派分歧与非技术用户路径；在 DSH 中既可作用户技能目录下的 SKILL.md，也可通过插件包与 skill-filesystem 注册。

• 目录页：https://www.skillhub.cn/plugins/anjiecobamboo-blip/ai-project-delivery
• 源码与文档：https://github.com/anjiecobamboo-blip/ai-project-delivery