用途：把查询或 URL 输入解析为紧凑、高信号的 markdown，供 LLM 使用，通过智能级联降低解析成本。
主要能力：对 URL 输入，先探测 https://origin/llms.txt（免费、结构化），再用平台抓取工具获取 markdown，抓取失败时用搜索找缓存或镜像版本；对查询输入，先用平台搜索工具，再抓取靠前结果的 markdown。
平台工具映射：opencode 用 webfetch/websearch；claude code 用 WebFetch(MCP)/WebSearch(MCP)；blackbox 用 web_fetch/web_search；Python 用 scripts/resolve.py（自动检测）。
使用方式：Python 脚本示例：python scripts/resolve.py "https://docs.rust-lang.org/book/"；python scripts/resolve.py "Rust async programming"；python scripts/resolve.py "query" --json --max-chars 4000。也可直接调用各平台工具，如 webfetch https://example.com/llms.txt、WebFetch(url=...)、web_fetch(url=..., prompt="Extract all content") 等。
最佳实践：先查 /llms.txt；查询要具体（如 "tokio spawn vs spawn_blocking difference"）；加年份获取最新信息；优先官方文档，失败再试镜像。质量判断：好结果含代码示例、API 签名、配置样例、版本信息、清晰结构；差结果含样板、付费墙、登录要求、大量广告。
错误处理：提供方失败时级联回退，记录错误便于调试，直接抓取失败时用搜索回退。
测试：cd .agents/skills/web-doc-resolver 后运行 python -m pytest tests/ -v。
文件：scripts/resolve.py 主实现，tests/test_resolve.py 单元测试，reference.md 详细参考。
限制：资料未提供具体收费、价格、平台支持范围或效果数据。