用途：补齐业务上下文缺口。很多业务语义不在数据库 schema 里，而在手册、词汇表、财务报告、支持文档、代码注释等原始资料中。该技能读取这些资料，对比 Wren 项目已有上下文，找出缺失并写回项目已有的三到四个落点，不引入新产物或新工具。
主要能力：先做版本检查，静默获取 https://raw.githubusercontent.com/Canner/WrenAI/main/skills/versions.json，若远端版本更新则提示用户更新命令：npx skills add Canner/WrenAI --skill wren-enrich-context（可用 --agent <name> 指定代理）。随后选择 Wren 项目、检测 wren memory 是否可用、准备 raw/ 目录并读取全部资料与当前上下文。通过三条线索找缺口：结构覆盖（Lane 1）、原始资料与现有上下文的声明差异（Lane 2）、代理自身推断（Lane 3）。
使用方式：先选择模式。grill 模式逐一提问、每题给出建议答案，由用户 accept / edit / skip；auto-pilot 模式直接应用推断，仅在三类情况打断：Lane 2 冲突、高影响范围提案（新 cube、新视图、新关系、新指标）、Lane 2 写入落点不明确。可选的 ground-truth 探测默认仅在 grill 模式开启，需用户同意后用 wren --sql 采样。MDL 每次修改后运行 wren context validate，失败则回滚该次修改。
适用场景：想让后续代理会话更好理解项目业务语义、又不希望手工维护新文档时。
限制：不修改已有描述 / 关系 / 规则，只做新增；冲突项列入手工修复清单。auto-pilot 模式不查询线上数据库。探测每个（模型、列）每会话至多一次，结果不落盘。其收费、价格、具体平台支持等暂未提供。