用途：分析技能生态中各技能之间的关系，识别低效环节并优化工作流，适用于询问技能搭配、瓶颈组合、特定任务的最佳技能栈、跨技能工作流优化、技能依赖关系，以及多技能带来的 token 预算问题。
主要能力：扫描并提取技能元数据（工具依赖如 bash_tool、web_search；文件格式关联如 docx、pdf、xlsx；领域重叠如 document、research、coding；复杂度指标），据此检测瓶颈、生成依赖图、推荐技能栈并支持自定义查询过滤。
使用方式：先运行分析脚本：cd /home/claude/skill-dependency-mapper 后执行 python scripts/analyze_skills.py > /tmp/skill_analysis.txt。瓶颈分析需先用 SkillAnalyzer 扫描并保存 JSON 到 /tmp/skill_data.json，再执行 python scripts/detect_bottlenecks.py /tmp/skill_data.json > /tmp/bottlenecks.txt。依赖图与栈推荐通过 Python 调用 find_dependencies()、recommend_stacks() 生成 markdown。可参考 references/known_patterns.md，并调整 detect_bottlenecks.py 中的阈值。
结果判读：依赖强度按共同特征数分为强（3+）、中（2）、弱（1）；瓶颈严重度按合并 token 规模与工具调用数分为高、中、低；最优栈倾向减少总 token、工具种类和格式转换。
限制：依赖检测基于启发式而非真实依赖；无法分析 /mnt/skills 之外的技能；token 估计为近似值；瓶颈严重度依赖具体使用方式；无真实会话使用数据。