用途：在构建任何 AI 自动化（技能、Goal、循环、定时任务、工作流）之前，先做一次约束理论诊断，回答“我该自动化什么”“该把智能体指向哪里”“现在最高杠杆的事是什么”。也用于定期复盘智能体精力的流向，或清理一堆半有用、让人忙碌却无产出的自动化。
主要能力：采用五聚焦步骤（Five Focusing Steps）作为交互式诊断流程：Step 0 先定义系统目标与可测量的吞吐量指标（如每季度收入、每月交付产品数），没有可测量吞吐量就停止；识别约束，收集各步骤的序数证据（吞吐敏感度、前置等待、下游饥饿、产能缺口、是否为策略/审批闸门、烦人程度，以及 necessary_condition），用脚本做确定性排序；先“利用”约束（往往非自动化的修法更优），再“服从/让路”（让其他环节服务约束，必要时拖慢或忽略非约束），最后才“提升”约束——只加一个自动化，并用脚本确定性选择自主性阶梯的层级；之后重复（POOGI），命名下一个可能约束。
使用方式：作为交互式诊断，一次聚焦一个问题收集信息，两个脚本负责排序与层级选择。命令示例：echo '[{"name":"...","throughput_sensitivity":3,"wait_before":2,"downstream_starvation":3,"capacity_gap":2,"annoyance":1}, ...]' | python3 scripts/score_constraints.py，以及 python3 scripts/recommend_rung.py --recurring --fixed-steps（也可用 --bounded-outcome、--streaming-input 等）。支持可选的 cenno 面板模式收集答案，cenno 不可用时回退聊天，不阻塞。若用户已确信约束，可跳过诊断直达 Step 4 提升与建议。最终用约束分析模板产出：目标+吞吐量指标、约束、利用、唯一自动化及其自主性阶梯层级、明确不要自动化的清单、下一个约束，并在交付前运行有效性检查清单。
适用场景：准备构建 Claude Code 技能、Goal、循环、定时任务或工作流但不确定是否值得时；自动化堆积、感觉忙碌却卡住时；复盘智能体投入方向时。
限制：绝不推荐自动化非约束；任何推荐前必须先有可测量吞吐量；必须先利用与服从，再考虑提升；一次只针对一个约束做自动化。“回收的小时数”和“收件箱清零”通常属于运营开支削减或局部效率，除非自由产能是系统明确目标，否则会被拒绝作为吞吐量指标。具体价格、平台支持与效果暂未提供。