用途：divergence-loop 是用于脑暴发散的技能，针对大模型容易收敛、趋于“合理”输出的问题，通过上下文隔离强制产生真正多样的创意。
主要能力：分两阶段。发散阶段先接收用户主题与轮数（默认 3 轮），每轮读取人设目录（references/persona-catalog.md，8 类共 80 条），从极端类（1-5）、名人（7）、通用/行业类（6 或 8）各随机选 1 个人设且不重复；随后运行 3 个完全上下文隔离的生成任务，各产出 30 条以上原始想法并写入 .docs/divergence-loop/<session-id>/round-N-<persona-label>-ideas.md。除首轮与末轮外，中间轮会用新隔离任务读取本轮全部想法文件，提取混搭提示词作为下一轮主题。轮次主题按“原主题→混搭…→原主题”推进。收敛阶段先收集用户现实约束，再由新的隔离任务只读取末轮想法文件与约束，产出 3-5 个最终方案（含标题、核心概念、亮点、约束符合度、最大风险，不排序），保存为 convergence.md。
使用方式：按上述步骤调用各生成任务；全程用文件作唯一沟通渠道，不向用户展示中间想法，仅在最后呈现收敛结果。会话开始时必须创建并持续更新 session-log.md。
适用场景：产品创意、问题求解、领域探索、“what if”类议题等需要突破思维定势的脑暴。
限制：需平台支持干净上下文；若不支持只能改为内联执行，发散质量可能因上下文串扰下降。同会话人设不重复；超过 80 轮时循环使用最少使用的人设。最终输出要求使用日语。不自动衔接到其他技能。