用途：ask 是 arscontexta 插件提供的查询技能，用自然语言问题检索内置的研究知识图谱，获取方法论层面的解释与建议。
主要能力：知识库分三层。第一层 Research Graph（WHY），位于 ${CLAUDE_PLUGIN_ROOT}/methodology/ 中 kind: research 的内容，含 213 条互相关联的研究论断，涉及认知科学、知识系统理论与智能体认知。第二层 Guidance Docs（HOW），同目录下 kind: guidance 的 9 份操作文档，覆盖流程、工作流与实现理由。第三层 Domain Examples（WHAT），kind: example 的 12 个领域构成示例。此外 ${CLAUDE_PLUGIN_ROOT}/reference/ 下还有架构、派生、行为质量、生命周期等参考文档。
使用方式：技能接收 $ARGUMENTS 作为问题，未提供时先追问用户。流程为：先把问题分类（WHY/HOW/WHAT/COMPARE/DIAGNOSE/CONFIGURE/EVOLVE）确定主次知识层；再读取 reference/claim-map.md 路由索引；随后检索——概念问题用 mcp__qmd__deep_search，术语明确用 mcp__qmd__search，语义探索用 mcp__qmd__vector_search，collection 均为 methodology，检索失败时依次回退到 qmd CLI（qmd query、qmd vsearch、qmd search）及对目录的直接读取与 grep；接着完整读取 3-7 条最相关来源并跟踪一层 wiki 链接；若问题涉及用户自身系统，读取 ops/derivation.md、应用 vocabulary-transforms.md 翻译术语、参考 interaction-constraints.md 与 dimension-claim-map.md；最后读取 ops/methodology/ 下的本地方法论笔记，与研究发现对照。回答结构为直接结论、研究依据（按标题引用）、对用户情境的实际含义、张力或限制、可继续探索的方向、来源说明。
适用场景：解释方法论原理、查询操作流程、查看领域示例、比较方案、诊断问题、确定配置、判断系统是否需演进；也处理多层级混合问题。
限制：回答须基于知识库中的具体论断，不得用通用知识替代；研究未覆盖处应如实说明缺口，不得编造；需区分 confidence 等级（speculative、emerging、supported、established）与 status: archived；本资料未提供安装命令、收费或平台信息。