用途：压缩智能体的路由文件（RESOLVER.md 或 AGENTS.md）。当技能数量增长到约 200+ 时，逐技能一行会让文件膨胀到 25-30KB，占用本应用于实际工作的上下文预算。该模式把每个功能域的 N 行合并为一条“功能域分发器”条目。
主要能力：采用两层分发——路由文件先路由到功能域，功能域技能文件再路由到具体子技能。每个域条目格式为：- {Area Name}: {触发短语} -> {dispatcher-skill} (dispatcher for: {子技能列表})。其中 (dispatcher for: ...) 列表是关键信号，缺少它路由会崩溃。
使用方式：先检查前置条件（源文件需 ≥12KB，且 git 工作区干净，否则需 --force）；按域分组技能（典型 12-15 个域）；保留常驻条目（如 acknowledge、multi-user）为独立行；压缩后必须验证：先运行 gbrain routing-eval --json，准确率低于 95% 则回退；再用 gbrain 仓库中的 harness 做 LLM A/B 验证，命令为 node harness.mjs --variants-dir "$TMP" --variants my-edit --model opus --parallel 3（加 --yes 前需用户确认费用估算）。提交前需展示 diff 并获得明确批准。
适用场景：技能数量多、路由文件过大的 GBrain 工作区；部署中同时存在 skills/RESOLVER.md 与 ../AGENTS.md 时，先压缩较大的那个。
限制：资料中的 A/B 评测仅覆盖 Anthropic 三个模型（Opus 4.7、Sonnet 4.6、Haiku 4.5），跨厂商验证尚未进行；留出集样本仅 n=5，已饱和；生产提示词必须包含对 (dispatcher for: ...) 的说明，否则压缩会失效；域太少（<5）或太多（如 50）都不合适；不要使用带管道表格的 resolver-of-resolvers 形式，也不要删除子技能名称。