Ontological Renamer 是一个专注于命名的技能，用于为项目、系统、概念、模式或框架创建信息密集且富有含义的名称。它结合本体论原则与古典语言（拉丁语和希腊语）的翻译来构造名称。
用途 该技能适用于以下场景：为新项目或代码仓库命名；重命名现有系统；创建品牌标识；为概念、模式或框架命名；构建分类体系和词汇表。
主要能力
-
分步命名方法论。第一步识别本质：判断事物是什么（名词/主体），思考其所属类别、根本性质与最佳隐喻，例如集合对应 repository、vault、archive，过程对应 engine、forge、factory，连接对应 bridge、link、weave。第二步识别功能：判断它做什么（动词/动作），思考其执行的转换、解决的问题与提供的能力，例如创建对应 forge、builder、generator，连接对应 bridge、link、mesh，组织对应 lattice、matrix、graph。第三步识别领域：判断它运行的上下文，包括领域或行业、系统或生态、用户或参与者，例如 AI/ML 对应 agent、model、neural，开发对应 code、build、deploy，知识对应 wisdom、expertise、craft。第四步组合：形成 3-4 个单词的复合名称，读起来像一句紧凑的句子，模式为 [Domain]-[Function]--[Essence]-[Modifier]，例如 agent-skill--knowledge-forge、code-craft--pattern-vault、data-weave--insight-engine。
-
分隔符使用约定。单连字符（-）用于构成紧密复合概念，如 skill-bundle 表示“技能的集合”，agent-powered 表示“由智能体驱动”，code-craft 表示“编码的技艺”，knowledge-base 表示“知识的基础”。双连字符（--）用于表达概念距离或类别分隔，如 agent-skills--knowledge-engine 中，agent-skills 表示包含的内容，knowledge-engine 表示其本质；frontend-toolkit--design-system 中，frontend-toolkit 表示领域，design-system 表示功能。
-
决策矩阵。形容词 + 名词用 -（如 smart-agent）；名词 + 名词复合用 -（如 skill-bundle）；类别 + 实例用 --（如 dev-tools--linter）；领域 + 功能用 --（如 ml-ops--model-registry）；做什么 + 怎么做用 --（如 data--transform-engine）。
-
选词规则。过滤掉冠词（a, an, the）、介词（of, for, to, in, on, by, with）和连词（and, or, but）。优先使用强有力的词汇：强名词如 forge、vault、engine、lattice、codex，避免 thing、stuff、helper、manager；主动动词如 forge、weave、craft、build，避免 do、make、handle、process；具体术语如 authentication、pipeline、schema，避免 security、flow、structure。
-
领域专用词汇表。AI/Agents：agent、model、neural、inference、swarm。Development：code、build、deploy、pipeline、stack。Data：schema、query、transform、pipeline。Security：vault、shield、guard、sentinel。Knowledge：codex、archive、wisdom、expertise。
-
古典语言翻译。翻译方法：识别英语中的根概念，找到拉丁语/希腊语对应词，按古典形态学组合，验证发音与语义准确性。常见词根对照包括：skill → ars/artis（拉丁）、technē（希腊）；knowledge → scientia（拉丁）、epistēmē/gnōsis（希腊）；agent → agens/agentis（拉丁）、praktōr（希腊）；forge → fabrica（拉丁）、chalkeion（希腊）；vault → camera（拉丁）、thalamos（希腊）；codex → codex（拉丁）、biblos（希腊）；mastery → magisterium（拉丁）、epistasia（希腊）；bundle → fasciculus（拉丁）、desmos（希腊）；craft → ars（拉丁）、technē（希腊）；power → potestas（拉丁）、dynamis（希腊）。翻译示例：skill-codex--agent-mastery 对应拉丁语 artium-codex--agentis-magisterium 和希腊语 technōn-biblos--praktoros-epistasia；agent-skill--knowledge-forge 对应拉丁语 ars-agentis--scientia-fabrica 和希腊语 technē-praktor--epistēmē-chalkeion。
-
名称生成流程。以 AI 技能仓库为例：上下文是扩展 AI 智能体能力的技能仓库。步骤一识别本质：它是一个集合（repository、vault、archive），包含技能（capabilities、expertise），经过策划（codex、library）。步骤二识别功能：扩展能力（augment、enhance），提供知识（expertise、mastery），打包聚合（bundle、collection）。步骤三识别领域：AI 智能体（agent、autonomous），技能/能力（skill、craft、art），知识系统（knowledge、wisdom）。步骤四生成候选：agent-skill--knowledge-forge（为智能体技能打造的 knowledge 锻造厂）、skill-codex--agent-mastery（为智能体 mastery 而设的 skill codex）、capability-weave--agent-loom（编织智能体能力的织机）、praxis-bundle--agent-expertise（面向智能体的实践专长集合）、craft-matrix--agent-powers（赋能智能体的技艺矩阵）。步骤五评估：从清晰度、可记忆性、领域匹配度三个维度打分，最终选择 skill-codex--agent-mastery。
-
输出格式。生成名称时提供 naming_proposal，包含 context（对所命名事物的简要描述）和 candidates 列表，每个候选包含 name（english-compound--name）、meaning（名称传达的含义）、latin（拉丁语翻译）、greek（希腊语翻译）、pros（优点列表）、cons（缺点列表），并给出 recommendation，包含 name（推荐名称）和 rationale（选择理由）。
使用方式 该技能通过上述分步方法论、分隔符约定、决策矩阵和选词规则生成候选名称，并根据清晰度、可记忆性、领域匹配度进行评估，最终输出命名建议。具体触发方式、接口形式与集成方式资料中暂未提供。
适用场景 适用于新项目或仓库命名、现有系统重命名、品牌标识创建、概念/模式/框架命名、分类体系与词汇表构建。
限制与反模式 应避免：通用名称（如 my-project、cool-tool、awesome-thing）；过载术语（manager、handler、service、util）；无意义缩写（XYZPT、QWERT）；过长名称（如 super-advanced-machine-learning-based-intelligent-agent-system）；分隔符不清晰（如混用 _ 和 - 的 agent_skill-knowledge--forge）。应优先使用：唤起隐喻的词（forge、vault、weave、lattice）；领域专用术语（codex、praxis、schema）；清晰的复合结构（skill-bundle、knowledge-forge）；平衡长度（2-5 个单词，如 agent-skill--knowledge-forge）。
该技能还提供参考文件，包括 references/naming-patterns.md（复合命名模式）、references/separator-conventions.md（分隔符详细规则）、references/translation-guide.md（拉丁语/希腊语翻译指南）、references/workflow-integration.md（生态集成）、assets/word-roots.md（常见拉丁语/希腊语词根）。相关技能有 documentation-generator（为已命名概念编写文档）和 brand-guidelines（匹配名称的视觉标识）。