用途：从风格指南、评审清单、编码标准等文档中学习团队标准与约定，提取可执行规则并保存为训练内容。
主要能力：支持三种输入方式——文件引用（如 @docs/sql-style-guide.md）、URL（用 webfetch 工具抓取）、聊天中直接粘贴的内联文本。解析文档后提取具体可执行的规则（命名、格式、禁止模式）、评审标准与清单、术语定义、架构标准，并按训练类型归类：rule（具体做/不做规则）、standard（更宽泛的约定）、glossary（术语定义）。
使用方式：先提供文档，再读取分析并分类，随后展示提取摘要（规则、标准、术语数量及各项预览），经用户确认后通过 training_save 工具保存。规则较多时，将相关规则合并为逻辑分组（如把 5 条规则合并为 sql-naming-rules），而非逐条保存。示例：/train @docs/sql-style-guide.md、/train https://wiki.company.com/data-team/review-checklist、/train 后粘贴内容。
适用场景：团队希望让 AI 队友遵循统一的编码规范、SQL 风格、评审清单或术语表时。
限制与准则：只提取可执行项，跳过“写整洁代码”这类模糊指导；保留具体清晰的原文措辞；文档过大时聚焦影响最大的规则；除用户指定 global 外，一律使用 scope: project；分析在正常对话流程中进行，不额外发起 LLM 调用。