在本项目中如何选择模型

• SWE (Windsurf Cascade) — 代码实现与调试

  • 适用场景
    • 按既有架构直接“落地实现/修复”代码：Workflow 处理器/步骤、Kafka Publisher、DI 注册、常量抽取、日志规范化（Serilog）
    • 快速、精确的小型或中型改动：参数校验、异常处理、性能微优化、配置绑定（IOptionsMonitor）
    • 与 IDE 深度协作：查看/修改文件、最小变更、生成补丁
  • 上下文顺序
    • rules.md → patterns.md → context.md

• Claude Sonnet — 架构与方案推演

  • 适用场景
    • 架构/设计评审：Workflow 切分、MediatR 边界、上下文传递
    • 方案选型与权衡：Cassandra 读写路径设计、Kafka 主题/事件契约、配置与环境策略
    • 风险清单、回归面评估、变更影响分析
  • 上下文顺序
    • CLAUDE.MD → rules.md → patterns.md

• Claude Opus — 深度诊断与复杂推理

  • 适用场景
    • 跨模块/跨层级“长链路”排障：Web → ApplicationService → Cassandra/Kafka → 配置
    • 隐性依赖与边缘条件定位、数据一致性/幂等性审查、性能瓶颈溯源
    • 大改动前的全局可行性评估与分解（保持最小变更原则）
  • 上下文顺序
    • CLAUDE.MD → rules.md → patterns.md → context.md

• Claude Haiku — 快速检索与小修小补

  • 适用场景
    • 定位文件/常量/命令、对照现有模式做低风险微调（日志模板、常量命名、DI 缺项）
    • 根据 context.md 的“Common Issues”快速对症处理（例如 Kafka SASL、Logger ForContext NRE）
  • 上下文顺序
    • context.md →（必要时）rules.md 关键规则

是否补充使用 GPT / GPT-Codex？

• 本库已移除 GPT 专项工作流；如需“补充性”用途，可限于非提交类产出：
  • GPT
    • 文档与沟通：将技术说明转为面向业务/管理的摘要、会议纪要、变更记录草稿
    • 文本处理：日志/堆栈跟踪归纳、需求摘取与要点列举
    • 正则/脚本雏形：生成 PowerShell/CI 片段再由 SWE 审核改写为合规实现
  • GPT‑Codex（历史以代码生成见长，谨慎只作参考）
    • 伪代码/算法原型、跨语言片段翻译（禁止直接入库，需按本项目前述规则重写并抽取常量、补 DI/日志）

快速选择建议

• 直接写/改代码、需要强 IDE 协作 → SWE
• 需要方案与架构推演、边界与权衡 → Sonnet
• 需要端到端深挖根因、复杂依赖/性能/一致性 → Opus
• 需要极速定位与微调、查路径/命令/已知问题 → Haiku
• 仅做文案与摘要、非代码提交的辅助 → 可临时用 GPT（不直接入库）
• 仅做代码思路参考/翻译 → 可临时用 GPT‑Codex（必须由 SWE 重写落地）

通用约束

• 统一遵循优先级：rules.md → patterns.md → context.md → CLAUDE.MD → 代码注释
• 严格使用常量（GeneralConstants）、Serilog 结构化日志、构造函数注入与 IocExtensions 注册
• 坚持“最小变更、根因修复”，不新增不必要抽象
• 未被明确请求时，不新增/修改测试

总结：日常开发优先 SWE；方案与权衡用 Sonnet；疑难长链排障用 Opus；快速查询与小修用 Haiku。GPT/GPT‑Codex 仅作非提交类或参考性补充，产出需要用 SWE 按本项目规范重写与落地。