用途：把西蒙与纽厄尔的人类问题解决理论转化为智能体系统的决策框架，核心观点是智能在于从海量状态中只考察正确的少数节点，而非更快地穷举。
主要能力：提供智能体性能诊断决策点（选择性不足、问题空间构造问题、启发式需细化、资源无界增长）；按工作记忆与回溯成本选择搜索策略（渐进加深、扫描搜索）；按任务结构选择手段-目的分析、最受约束优先、机会规划或约束满足；提供启发式设计决策树；列出速度谬误、通用策略陷阱、表征盲区、架构-策略错配、构造忽视等失败模式及检测规则；附密码算术、汉诺塔、医学诊断三个示例与质量门。
使用方式：作为技能加载后，按决策点与失败模式检测规则诊断智能体搜索行为，先测试2-3种替代状态表征再优化搜索，并让策略匹配任务结构。
适用场景：离散状态与算子的搜索问题、状态空间大但有限、解的质量依赖路径或序列、以人类水平智能为参照的任务。
限制：不适用于纯优化、机器学习模型选择、并行算法设计、数据库查询优化、实时控制系统；连续变量优化、有训练数据的模式识别、多智能体并发搜索、概率不确定性、时序约束反应式系统应改用相应理论。具体安装与调用方式资料未提供。