用途：将某领域已验证的规则抽象为结构骨架，再在其他领域重新实例化，寻找非显而易见但结构成立的跨领域对应关系。适用于规则迁移、跨领域洞察和规则压力测试。
主要能力：输入 seed_rule、source_domain、target_domains（可选 kb_path、num_seeds、abstraction_level、novelty_threshold、min_validity、min_round_trip），输出对应关系、去重骨架和统计。流程为6步：抽象为结构/普适三级并默认用结构层级；对骨架做同义词鲁棒去重；在每个目标域重新实例化；用三种查询变体做强制网络新颖性检索；对通过新颖性门槛的候选做预测、断点、专家三轮对抗验证；再反向抽象回源域做往返评分，仅保留 round_trip_score 达标者。结果为 JSONL，含骨架、双向实例化、检索结果、评分、结构化预测和 where_it_breaks。
用法：可配合 bdistill-extract 先建知识库，MCP 管理会话与写入；也可独立运行，由智能体做抽象/实例化/对抗等 LLM 环节，脚本 abstract_engine.py 处理去重、评分、检查点和写入，如 python abstract_engine.py dedup-skeletons --skeletons '[...]'；中断后可用 python abstract_engine.py resume --session-id X 恢复。
限制：多数候选会产生无效结果，预期存活率约5%至12%；新颖性检索无结果不等于发现；类比可能单向有效；依赖网络检索与领域知识质量。具体收费与平台支持暂未提供。