该技能用于为 AI 编程智能体整理仓库上下文。核心理念是把智能体视为无记忆的新成员：代码库本身才是主要上下文，只记录无法从源码发现且全局相关的信息。
主要流程：1) 分析现有仓库（读取 package.json、配置与目录结构，识别技术栈、包管理器与脚本，检查已有 AGENTS.md、CLAUDE.md、docs/）；2) 创建或转换 docs/REQUIREMENTS.md 与 docs/BUSINESS-RULES.md，需求按编号编写且可测试，支持 solo 模式（状态写在文档中，状态含 draft、refined、in-progress、implemented、verified、deferred、cancelled，仅用户可设 verified）与 team 模式（状态存于外部 issue 跟踪器，文档仅保留 Issue 字段，单一事实来源为跟踪器）；3) 多层级项目按层生成独立上下文文档；4) 生成最小化 AGENTS.md，只含一句话项目描述、docs 指针与同步规则、行为指令（计划模式、沟通风格、文档查询、跟踪器集成、工作流习惯），不写包管理器、命令、架构描述等可从源码发现的内容；5) 建立符号链接 ln -s AGENTS.md CLAUDE.md；6) 可选配置反馈回路（类型检查、测试、端到端测试、pre-commit 钩子、代码质量工具）；7) 可选配置确定性约束，如 Claude Code 的 PreToolUse 钩子或 OpenCode 插件，用于强制包管理器、拦截危险 git 命令与保护敏感文件。
适用场景：希望让 AI 编程智能体在仓库中减少摩擦、保持一致工作流与需求追踪的团队或个人。限制：未提供具体收费、平台支持范围与效果数据；反馈回路与约束配置需用户选择，外部跟踪器集成依赖 MCP。