用途：为准备接入 AI 智能体（如 claude-code-review、speckit）的仓库搭建知识层，也可在仓库缺失架构文档或大规模重构后刷新过期文档。设计原则是“给智能体一张地图，而不是千页说明书”：CLAUDE.md 保持简短（约100行）充当目录，指向更深文档，实现渐进式披露。
安装：npx skills add fellowship-dev/dogfooded-skills/ops/setup-harness
主要能力：先识别仓库身份（git remote get-url origin、git rev-parse --show-toplevel），扫描顶层结构、源码目录与关键文件，检测框架（Gemfile、package.json、pyproject.toml、go.mod、Cargo.toml），从目录结构推断领域（如 Rails MVC、Next.js 前端、服务/worker、库模式）。随后按领域 grep 入口点、基础抽象、共享工具与关键路径（认证、支付、数据变更、外部 API 集成），读取 2-3 个关键文件确认真实模式。
生成物：ARCHITECTURE.md（技术栈表、领域、关键路径、架构决策、智能体指引）；docs/code-structure.md（每个领域的真实模式、入口点、“不要重复实现”的现有工具）；docs/code-guidelines.md（黄金规则、按领域规则、看似错误实则正确/看似正确实则错误的模式）；QUALITY_SCORE.md（领域分级表与评分信号，初始为 C，待人工复核）；flowchad/ 关键路径流程骨架；更新 .claude/CLAUDE.md 的知识层目录。已有文件采用合并更新，不整体覆盖。
最后一步运行 hookshot 生成强制钩子（doc-coverage.json、check-docs.sh、settings.json hooks、docs/hooks.md）；若未安装则跳过并列为人工后续事项。输出汇总报告，列出发现的领域、关键路径、技术栈、创建文件、初始分级与人工待办（复核架构决策、核对“不要重复”条目、补全 flowchad 边界情况、运行 /entropy-check 重新评分）。
限制：需在 git 仓库中执行；领域推断依赖目录结构与源码扫描，可能需人工复核；QUALITY_SCORE 初始分级不代表真实质量；hookshot 未安装时无法自动生成钩子。