agenticaiplan BP 技术架构分析与文心大模型增强方案
适用场景
当用户提供一份创业项目计划书（BP），且希望完成以下任一目标时，使用本 Skill：
- 从 BP 中提取技术架构关键信息并结构化呈现
- 对现有技术架构进行可扩展性、AI-Ready 程度等维度的诊断评估
- 获得基于百度文心大模型（ERNIE）生态的具体架构改造方案
- 获得改造成本估算和分阶段实施路线图
不适用场景：BP 中无任何技术描述且用户也无法补充技术信息时，应提示用户先完善 BP 技术部分。
输入要求
- BP 文档（必需）：支持 PDF、Markdown 或纯文本格式的创业项目计划书
- 聚焦方向（可选）：
full（完整分析，默认）|architecture（仅架构诊断）|ernie-enhancement（仅文心增强方案）|cost（仅成本估算）
执行步骤
第一步：读取 BP 文档并提取关键信息
- 使用 Read 工具读取用户提供的 BP 文档。如果是 PDF，使用
pages参数分批读取（每次不超过 20 页）。 - 从文档中提取以下 8 个维度的信息，整理为表格。如某项信息在 BP 中未提及，标注为
[BP未提及 - 建议补充]。
提取维度和对应内容参见 references/extraction-dimensions.md。
第二步：技术架构深度诊断
基于第一步的提取结果，完成以下诊断：
架构评分（每项 1-5 星）：
- 可扩展性：能否支撑 10x 用户增长
- AI-Ready 程度：是否为 AI 集成预留了架构空间
- 数据闭环能力：是否具备采集→训练→推理→反馈的闭环
- 成本效率：技术选型的性价比
- 技术壁垒：架构层面的护城河强度
风险识别：列出 Top 3 技术架构风险，每条包含风险描述、影响程度（高/中/低）、发生概率（高/中/低）、建议应对措施。
第三步：文心大模型增强方案
这是本 Skill 的核心输出。基于项目实际情况设计具体方案，包含以下子步骤：
模型选型：根据项目场景匹配文心模型组合。选型依据参见
references/ernie-model-matrix.md。对每个场景输出：推荐模型、选型理由、调用方式（API / 私有化 / 精调）。架构改造方案：
- 用 ASCII 图绘制改造后的系统架构，标注文心大模型的接入点
- 对每个改造点输出：当前方案、改造方案、接入方式（API / RAG / 微调 / Agent）、预期收益、实施复杂度（高/中/低）、优先级（P0/P1/P2）
数据策略：包括训练/微调数据准备、数据标注方案（如需要）、向量化与知识库构建方案（如使用 RAG）。
分阶段路线图：
- MVP 验证（1-2 周）：快速验证核心 AI 场景
- 能力构建（3-6 周）：构建生产级 AI 管线
- 规模化（7-12 周）：全面接入 + 效果优化
成本估算：基于百度智能云公开定价，估算 API 调用、向量数据库、GPU 推理等月度成本。
第四步：BP 修改建议
给出 3-5 条针对 BP 文档本身的改进建议，帮助创始人在技术叙事上更具说服力：
- 建议补充的技术细节
- 建议调整的技术选型表述
- 数据/AI 策略的包装建议
输出要求
- 全部使用中文输出
- 关键数据用 加粗 标注
- 架构图使用 ASCII art 绘制
- 每个章节之间用
---分隔 - 如果 BP 中技术细节不足，基于行业常见架构进行合理推断，并标注
[推断] - 方案必须具体可执行，避免空泛的"建议使用 AI"类表述
- 优先推荐文心生态内的解决方案（千帆平台、向量数据库 VDB、AppBuilder 等）
- 如果项目不适合大模型增强，直接说明原因，不强行推荐
- 在输出末尾附加一段不超过 50 字的总结
参考资料
references/extraction-dimensions.md：BP 信息提取的 8 个维度定义与字段说明references/ernie-model-matrix.md：文心大模型产品矩阵、能力定位与适用场景速查表