用途：把用户口语化的"感觉词"转化为可落地的领域模型，基于领域驱动设计（DDD）方法论，识别实体（Entities）、数据流（Flows）和用户没说但必须存在的缺失组件（暗物质）。
主要能力：名词捕捉，追问"列表"等模糊词汇的具体含义，输出清晰实体列表；动词分析，厘清"同步"等动作的方向、实时性或批量、失败策略，输出数据流与一致性模型；暗物质探测，按错误处理、持久化、认证授权、日志监控、配置管理、限流熔断等类别追问，标记缺失组件及优先级。
使用方式：执行分析前须调用 sequential thinking 工具，视情况进行 3—5 步推理。最终必须用 write_to_file 保存到 genesis/v{N}/concept_model.json，包含 entities、flows、missing_components、questions_for_user 四部分。工具箱提供 scripts/glossary_gen.py --path src/ 提取候选领域词汇、prompts/GLOSSARY_PROMPT.md 词汇对齐提示词、references/ENTITY_EXTRACTION_PROMPT.md 实体提取模板。
适用场景：需求尚不清晰、需要先建立领域模型再写规格的早期阶段；与 build-inspector、runtime-inspector 衔接，为 spec-writer 和 Scout 功能冲突分析提供输入。
限制：信息不足时不得编造，应列出问题让用户澄清；对判断需解释推理；倾向保守估计，宁可多识别缺失组件。具体收费、平台支持与效果暂未提供。