用途：为行为不清晰、杂乱或由 AI 生成的既有子系统创建特征测试（Golden Master / Feathers），先固定当前可观察行为，再安全地进行重构和渐进式替换。需要提供要锁定的子系统、入口点或行为面作为参数；前提是至少有一个可运行的入口点（函数、CLI 命令、服务器路由等），不强制要求已有概念胶囊，但存在时应沿用其词汇。
主要能力与流程：一、识别行为面，列出 1-3 个要锁定的表面（公共函数、CLI 命令、HTTP 端点、文件进文件出、序列化输出），优先选择最稳定的公共接口。二、构建最小夹具集，包含一条典型正常路径、1-3 个有意义的边界情况、一个“奇怪但真实”的脆弱案例，保持套件精简以免难以维护。三、稳定非确定性，捕获输出前冻结时间、为随机性设种子或打桩、排序键与规范化数组、归一化系统相关路径和换行、将网络调用打桩或录制一次且不访问真实服务、必要时强制单线程，若行为本身不确定则定义容错比较器。四、捕获黄金输出，对每个夹具运行目标面，记录返回值、标准输出与错误、退出码、HTTP 状态与响应体，存为快照或黄金文件，格式稳定可读且便于通过“重新生成”命令有意更新。五、编写特征测试，断言给定夹具输入时输出匹配黄金结果或容错比较结果，只断言可观察行为而非内部结构，编写期间不重构生产代码，少而强的断言优于多而弱的断言。六、输出覆盖报告，包含已覆盖表面、夹具清单、已知非确定性及稳定方式、行为缺口，并建议下一步（通常是 /pragma:refactor 或绞杀者接缝）。七、仅提交测试，提交信息为“Characterization: lock down current behavior of <subsystem>”。
限制：特征测试期间不得重构，不要改动生产代码；夹具保持最小；测试必须确定性（或受控容错）；黄金更新必须是有意为之，意外快照变动会破坏信任。生命周期：状态为 stabilizing，下一步为 /pragma:refactor，循环为 /pragma:consult（除非用户明确直接继续）。