用途：从当前代码库的源代码中提取并记录业务逻辑、领域模型与产品规则，产出一份结构化 Markdown 参考文档，格式类似 llms.txt（H2 分组、带注释代码、受 token 预算约束），但聚焦于系统做什么，而非如何使用其 API。与 llms-txt-generator 的区别是：该技能从代码而非文档提取产品行为，分组按领域概念而非 API 主题。
主要能力与流程： 1）领域表面扫描：定位业务逻辑所在位置，包括 ORM 模型/模式、校验逻辑、服务或用例层、测试（尤其集成测试）、常量与配置、枚举与状态类型、迁移文件、API 路由/控制器、中间件/拦截器；并读取清单文件（package.json、pyproject.toml、Cargo.toml、go.mod、pom.xml、*.csproj）确认技术栈。 2）领域模型提取：对每个实体记录名称与用途、字段语义、关系、不变量（DB 约束、校验、setter/生命周期钩子、测试断言）、生命周期与状态转换。 3）业务规则提取：覆盖校验、授权、计算、资格判定、速率限制/阈值、副作用与触发条件；规则来源包括服务方法、中间件、校验器、测试描述、常量、特性开关、错误消息。 4）组装：文档结构为 H1 项目名 + 领域与业务逻辑参考、## 领域模型、## 业务规则、## 总结；实体按核心度排序，规则按触发频率排序，并做交叉引用；token 预算默认 1 万（小型 5K，复杂域 15–20K）。 5）输出：默认文件名 {project-name}.business-logic.md（备选 {project-name}.domain.md），保存到代码库根目录或 docs/，并复制到 /mnt/user-data/outputs/ 供下载。
必要用法：在具备文件系统访问的当前代码库上运行；预检阶段确认代码库根目录，若缺少清单文件需用户确认根目录。该技能会执行 find/cat 等扫描命令（如查找 .model.、.service.、.spec.、constant 等）。
适用场景与限制：适用于有清晰分层（模型、服务、校验、测试）的代码库；无测试时置信度较低，会提示用户；充血/贫血模型、微服务、重 ORM 魔法、特性开关、遗留无结构代码均列有专门处理办法。需文件系统访问权限，官方未提供具体安装命令、收费与价格信息，暂未提供。