用途：Reconnaissance 用于从 GitHub 仓库、学术论文、竞品产品与市场资料中系统性收集情报，服务于立项前可行性评估、技术栈评估、竞品定位、论文实现模式挖掘和市场机会识别。资料明确说明：若只是综合已有资料、单源深读、一般问答或制定实施计划，应改用其它技能而非本技能。
主要流程：分六阶段。一是范围定义（intent-analyzer）明确目标、问题、时间与深度约束；二是来源发现（research-agent）检索仓库、论文、产品与文档，并评估时效性与权威性；三是结构化提取，仓库生成 MANIFEST.md、论文生成 KEY-FINDINGS.md、产品生成 FEATURE-MATRIX.md；四是情报综合，产出 COMPREHENSIVE-ANALYSIS.md、COMPARISON-CHART.md、RECOMMENDATIONS.md 与 GAP-INVENTORY.md；五为补缺提取，针对缺口在外部仓库/论文中做适用性预演分析后选择性克隆，只保留适用部分，要求删除量高于保留量；六为交付存储，按日期归档并写入 memory-mcp。
原则与约束：来源多样化（交叉引用 3 个以上来源）、结构化提取、证据溯源、可执行输出、时效性标注。置信度上限分为 witnessed（0.95）、reported（0.70）、推断（0.70）等层级；资料称超过两年的论文需标记可能过时。使用前需检查 .claude/library/catalog.json、.claude/docs/inventories/LIBRARY-PATTERNS-GUIDE.md 与 D:\Projects* 以决定复用、适配还是新建。示例多模型命令包括 bash -lc "gemini --all-files 'extract architecture patterns from this repo'" 与 bash -lc "codex exec 'analyze dependency graph and identify risks'"。
限制：资料未提供具体收费、价格、平台支持范围与实测效果数据；完整安装与部署方式、可用模型的准确性均暂未提供。