用途：把大型文档、代码库或研究论文转换为面向下游智能体推理的 token 高效上下文工件，目标是每 token 承载最大决策相关信号，而非人类可读摘要。资料指出朴素做法会失败：全量纳入会撑爆预算并埋没信号，简单截断会丢失结构并错过后段洞见，单轮摘要会漏掉交叉引用并压平层级。
主要能力为四轮协议。第一轮结构勘察（≤30 秒）：在阅读内容前提取文档骨架，包括文档类型与用途、目录或文件树、总长度估计、关键实体、发布日期与新鲜度信号，并按规定格式输出 STRUCTURE。第二轮选择性抽取（20% 规则）：只抽取决策相关、定义约束、反直觉、创建依赖的内容；硬性上限为抽取内容不超过原文 token 的 20%，超出需停下重新区分“决策相关”与“仅仅有趣”；抽取采用电报式而非散文体，标注 COUNTER-INTUITIVE。第三轮交叉引用与冲突扫描：检查内部矛盾、跨节依赖、未定义术语、隐含假设，输出 CROSS-REFS、CONFLICT、UNDEFINED、ASSUMES。第四轮上下文工件组装：合并前三轮为单一工件，含类型与新鲜度、压缩率、结构地图、按相关性而非文档顺序排列的关键抽取、依赖与冲突、智能体备注。
使用方式：按四轮顺序执行并套用给定输出模板；质量检查要求压缩率不超过输入的 20%、工件需能独立支撑与全文相同的决策、每行都要通过“删掉它是否会改变决策”的检验、电报式密度需删去冠词与模糊限定语。资料未提供安装命令、调用参数或平台集成方式。
适用场景：大型文档、代码库、研究论文的上下文压缩与下游智能体推理准备。限制：明确禁止为人类做读书报告式散文摘要、禁止保留文档原始顺序、禁止保留“有趣但无关”内容、禁止过度定义下游已知术语、禁止模糊表述；上述均为方法约束，具体效果与收费暂未提供。