用途：在不改变代码行为的前提下重构结构，改善可维护性。主要能力包括提取模式（提取方法、类、接口、表达式、校验器）、移动模式（移动方法、移至扩展、移至 DTO、移至实体）和简化模式（内联变量、内联方法、替换条件、引入参数对象）。
使用方式：先分析目标并用 Grep 映射依赖、评估影响、确认测试覆盖；再写重构计划（目标 file:line、类型、原因、变更清单、风险）；然后执行小步增量改动；最后运行受影响测试、确认行为不变并检查编译。资料建议用 python .claude/scripts/code_graph connections <file> --json 查找需更新的调用方；若存在 .code-graph/graph.db，可用 python .claude/scripts/code_graph query callers_of <function> --json、importers_of <module> --json、batch-query file1 file2 --json 及 trace <file> --direction downstream|both --json 追踪影响。
适用场景：长方法、重复代码、职责过多的类、处理器中的业务或查询逻辑、映射逻辑、复杂条件等结构性整理。
限制与规则：必须先有测试覆盖再重构，不得把重构与功能开发混在一起；不得破坏公共 API；逻辑应放在最合适的低层（实体/模型 > 服务 > 组件）；列表查询必须分页，过滤、外键与排序列需有索引；每个结论需给出 file:line 证据与置信度，破坏性改动需 95% 以上置信度并做跨服务追踪；无法证明安全时应标注“未验证，需调查”。资料未提供具体收费、平台或效果信息。