用途：围绕研究问题生成有文献依据的科学理论，例如“X 如何影响 Y、通过什么机制、在什么领域”。也可用于为假设寻找支持或反驳的论文证据、评估理论相对已有文献的新颖性，以及梳理某研究领域已知与未知的变量和发现。
主要能力：Theorizer 的文献驱动理论生成由三个可组合阶段构成：literature-theory-generation = find-and-extract → form-theory → evaluate-novelty。find-and-extract 检索论文并按抽取模式把理论相关发现整理成结构化表格；form-theory 依据抽取结果写出少量理论，每条由若干简短定律及支持/冲突论文证据组成；evaluate-novelty 对每条理论陈述评分，标记为已被确立、可由已知工作推导或确实新颖。literature-theory-generation 是一次性跑完三阶段的打包版本。另有 build-extraction-schema（规范化问题、起草检索查询并生成抽取模式）和 resume-extraction（向先前运行追加论文并抽取）。
使用方式：先执行 asta auth login 认证。CLI 由 agent card 生成，可用 asta generate-theories --help 查看子命令、asta generate-theories card 查看完整 agent card、asta generate-theories describe <skill-id> 查看某技能的输入模式。每个子命令接收单个 JSON PAYLOAD 参数，短负载可内联 JSON，长查询可写入文件并用 @path/to.json；对象型输入也接受 file://、s3://、https:// URI。CLI 将进度输出到 stderr，任务结束时把最终 Task JSON 打印到 stdout，并自行轮询（5s/15s/60s 退避）。
运行模式：自动模式单次调用 literature-theory-generation，最快但中途无法干预；分步模式分别调用三个阶段，每阶段后可查看结果并选择继续、停止或编辑。会话首次请求时可在成形问题后询问模式，之后记住选择。
问题成形：Theorizer 同时支持宽泛和具体问题。问题可包含干预变量、结果变量、可选中介机制和适用范围四个维度；宽泛问题可直接运行，不必强制收窄。若问题不是可用科学文献回答的假设（如起名、总结论文），应说明其领域并建议改写或转交其他技能。
默认值：max_papers_to_retrieve 默认 10（约 3–8 分钟），可调至 30 或 100；generation_objective 默认 accuracy-focused，可改为 novelty-focused；do_qualified_novelty_evaluation 默认 true，会增加 30–60 分钟和约 5–10 美元成本，分步模式下该阶段单独运行。
完成后：交由 Asta Artifacts 技能导出并索引结果，传入 generate-theories 作为调用技能及形如 YYYY-MM-DD-<short-query-slug> 的 slug；分步模式在每阶段停止或完成时即导出。随后在对话中给出索引路径、搜索命令与打开命令、一段综合说明和理论表格。
限制：state=input-required 时 CLI 会打印 Continue with 提示，需用 asta generate-theories send-message --task-id <id> --context-id <ctx> '<reply>' 回复并重新等待；state=failed 时报告 status.message。资料未提供更多错误处理细节。