开发者需要一种方法来跟踪每个 pull request (PR) 的 LLM API 调用成本和 token 使用量，以避免意外的账单激增。

一种私密、安全的追踪支出来源和金额的方式，独立于传统的银行记录，尤其适用于使用多个 EMI 和现金的情况。

用户需要在一个地方监控和跟踪他们在多个 AI 服务（Claude、Codex、Copilot）上的使用限额。

Shopify 商家需要一种方法，用纯英文描述所需的主题更改，并在不冒风险更改线上商店的情况下查看结果。

开发者需要一种方法来测试 LLM 驱动的代码生成工具的安全鲁棒性，而无需通用模型拒绝执行攻击性任务。

会议参与者在发现通话（discovery calls）期间需要实时转录和说话人识别。

开发者需要一种方法，可以在没有手动编排的情况下，并行运行来自不同工作区（worktrees）的多个开发栈的副本。

开发者需要一种结构化、版本化的方式来定义和执行智能体流程，而不是依赖于 prompt 或一次性脚本。

团队需要一种方法，在不将逻辑“胶带式”地嵌入到 prompt 中的情况下，为多用户、多智能体系统强制执行行级访问控制。

用户需要比 Slack 更快、更简洁的聊天体验，能够使用自己的代码智能体（例如 Claude）作为助手。