Get Shit Done（GSD）

采用判断：如果你使用 Claude Code 等 AI 编程代理，并且经常遇到需求不清、任务过大、上下文失控或执行缺少验证的问题，GSD 值得作为结构化工作流候选；如果只是做一次性小改动或追求最快的原型速度，它可能显得过重。它不是大语言模型、IDE、代码编辑器，也不是单独替你完成开发的自动编程产品，更准确的类比是叠加在 AI 编程代理之上的开发流程编排层或 harness。

实际作用方面，横评资料把 GSD 描述为覆盖多个阶段的工作流：brainstorming 通过类似苏格拉底式提问澄清想法并形成设计文档；writing-plans 把需求拆成约 2–5 分钟可执行的小任务，写明文件路径和验证步骤；executing-plans 让代理或子代理逐项执行，并进行规范合规与代码质量两阶段审查；systematic-debugging 则按复现、隔离、最小修复、验证等步骤处理问题。它的具体价值在于把上下文、计划和检查点显式化，而不是单纯提高模型的代码生成能力。

门槛和成本主要来自流程复杂度、学习时间、执行等待以及额外的上下文消耗。现有证据没有提供可核验的官方定价或 API 费用；一篇知乎文章引用 Dev.to 用户的社区说法，称编排与写代码的 Token 开销可能达到约 4:1，并提到 20 美元/月的 Pro Plan 可能很快用尽。这属于社区转述和演示性观察，不是 GSD 或相关服务的稳定承诺，实际成本会随模型、项目规模和使用方式变化。因此，采用前应先用自己的任务测量耗时和 Token，而不能只看示例。

它更适合需要可复现流程、处理多步骤功能、希望让代理先规划再执行的开发者或小团队；不太适合只想快速试错、无法承担较高交互成本，或不愿维护流程约束的人。当前讨论热度主要来自 4 条知乎证据：横评、框架拆解和单独介绍文章，合计 121 个赞和 16 条评论；这些榜单式提及和高赞只能证明受关注，不能直接证明好用。证据中有较具体的流程说明，也有关于 Token、复杂度、学习曲线和执行时间的批评，但缺少官方仓库、GitHub 增长或 X 实测数据，整体讨论质量中等且样本有限，结论应保持保守。