阿拉丁 V2 是从 MRRC 实践中提炼的方法论：IT 老兵的工程判断力被 vibe coding 和 agentic engineering 唤醒，再由 FDE、SDD、harness 与产品杠杆约束落地。
一套把 IT 老兵经验转化为可执行、可复用、可由 agent 协作的软件工程资产的方法。
七层模型坍缩成一个可实操的循环。每层只回答一个问题、只背一条约束、只换一个效果。
谁：老兵 + 现场事实
动手前先定：做什么、不做什么、必须守住什么。
谁：AI / agent，在边界内
Vibe coding 出速度，FDE 节奏（Echo→Delta→Product）定方向。
谁：人 + AI 一起
SDD、harness、ADR、postmortem——能活过本轮的载体。
定界、提速、沉淀——然后下一次边界更省力。
电台、USB 声卡、ATR-1000、串口、RTL-SDR、TLS 和本地依赖让方案不能停留在想象中。
PTT 时序、TX/RX 队列、AudioWorklet 缓冲、Opus 帧对齐和 WebSocket 调度暴露真实工程风险。
FDE 复盘、SDD 14 章、DESIGN 文档、postmortem、AGENTS 和 agentic plans 构成完整知识闭环。
方法论已落地为 OpenCode skill：.opencode/skills/aladdin-v2/SKILL.md。
L1先写边界，再写代码。没有边界，就不放 agent。
L1现场事实高于观点；速度只存在于边界之内。
L2Delta 代码是消耗品；沉淀下来的资产才是你留住的东西。
L3每个 Cycle 都必须让下一个更便宜——否则它还没完成。
∞方法论要标注自己的射程；出了射程，自己补装备。
一个标注了自己边界的方法论，才是成熟的方法论。下面是阿拉丁 V2 强在哪里，又在哪里从未被压力测试过。
py_compile 验证命令、预期输出，甚至预写 git commit。AGENTS.md guardrail。按需取用。最低门槛：只用边界卡。其余四个随团队成熟度逐步引入。
10 行以内，在任何人（或 agent）动手前写下：目标、不做什么、必须守住什么、最容易猜错的 3 点、失败如何被发现。ROI 最高、迁移成本最低。
原六类（Context / Spec / Plan / Verification / Runtime / Memory）加新增第七类 Safety/Cost harness：agent 能碰什么、预算上限、生产环境前的人工确认点。
用可证伪的趋势线替代定性评分：接手探索时间、同类事故复发次数、相似功能边际成本。曲线下降，杠杆才是真的。
每个关键决策点插入一道轻量挑战：同伴反向论证、"如果老兵错了"压力测试、或证据来源审计。给单一判断源一个证伪入口。
引入前先标注适用性：领域稳定、判断集中、反馈周期长 = 高适用。需求高频变化或合规高于现场的领域，需大幅改写 FDE 节奏。
纠错回路 ↔ 单英雄空白 · 失效标注 ↔ n=1 过拟合 · 硬指标 ↔ 定性自我安慰 · Safety/Cost harness ↔ 成本与安全的沉默。