shadcn 出新东西了。这次不是 shadcn/ui，是一个叫 improve 的命令。
思路很有意思：让最强的模型去理解代码库、做架构判断、写完整的实现计划，然后让便宜的模型按计划执行。
你 → /improve（贵模型：审计、决策、写 spec）
plans/ → 001-fix-n-plus-one.md（自包含的计划）
其他 agent → 按计划执行并测试（便宜模型）
这个分工逻辑其实反应了一个部署里常见的现实：推理成本不只是 token 单价的问题，而是「什么场景该用什么模型」的问题。
improve 的做法是：
- 用最贵的模型做需要「深度理解」的部分——代码库结构、模块依赖、性能热点、安全风险。这部分对推理质量要求最高，但工作量不大（一次审计+写几个 plan）。
- 把「执行计划」交给便宜的模型。因为 plan 已经写清楚了每个文件的改动、测试步骤、注意事项，便宜的模型只要跟指令走就行。
这种「知识蒸馏到 spec」的思路，在一些大公司的部署流水线里也有人在试——让 GPT 级别的模型写验证逻辑和测试用例，小模型在生产环境跑回归。
对了，improve 还支持 /improve execute <plan> 直接 dispatch 一个便宜的执行者去干活，干完回来 review。这跟之前聊的 agent 编排里「分层定价」的思路有点像——同一套工作流里不同角色用不同价位的模型。
项目地址：github.com/shadcn/improve
装一下就能用：npx skills add shadcn/improve
延伸阅读：HN 上那篇 Agentic coding deserves more than a chat box bolted onto VS Code 也在聊类似的东西——工具形态本身决定了效率天花板。