Wayfinder

从现有证据看，Wayfinder 更像是值得开发者尝试的“AI 编码前置规划层”，而不是已经被大量独立团队长期验证的成熟平台。采用判断应偏积极但保守：它在 X 上的关注度很高，且作者本人多次澄清标准流程是 /wayfinder → /to-spec → /to-tickets → /implement，说明定位清晰；但证据几乎都来自作者演示、转发和二次解读，热度证明强于好用证明。

它的实际作用不是替你直接写完整应用，也不是新的 autonomous agent 框架。更准确的类比，是给 Claude 一类模型增加一层“项目拆解与路线图技能”：先把大任务整理成 map，再转成 spec、tickets，最后交给实现技能执行。几条证据都强调它适合“大工作量、新项目、范围较宽的任务”，核心产出是更稳定的规划文档与任务拆分，而非单次 prompt 下的一步出代码。

门槛和成本方面，证据只支持保守判断：它需要你已经在使用 Matt Pocock 这套 skills，理解何时用 wayfinder、何时继续到 spec 与 tickets；还有帖子提到作者在考虑 CLI 形态，甚至出现 npx 用法，但这更像演示中的方向，不应视为稳定官方能力。没有可靠证据支持官方定价、API 费用或企业级交付承诺，因此只能说其主要成本大概率是模型调用时间、上下文消耗和学习这套流程的认知成本，这属于保守推断。

适合的人群是：经常用 Claude/AI 工具处理中大型开发任务、希望先规划再编码的独立开发者或工程师；不太适合只想立刻生成小功能代码、或期待“自动接管整个项目”的用户。社媒共识基本认为它解决的是“大项目会话失忆”和流程失控问题，也有人专门强调它并不等同于 grill/prototype。讨论质量方面，本批 evidenceSources 以 X 帖子为主，作者帖和转发较多，教程式拆解有一些，明确长文实测和长期复盘偏少，样本仍有限，因此可以判断它“概念和工作流设计很受认可”，但对稳定效果、适用边界和真实成本还需要更多独立实测。