用途：llm-tools 的核心思路是把批量 I/O 和可预测的生成任务路由给廉价的长上下文 worker，让高价值模型只消费简短答案，而不是原始文件。安装与 provider 配置见该目录 README.md，约一分钟完成，支持任意 /v1/chat/completions 提供方。
主要能力与用法：
- llm-ask <files...> -q "..."：当需要读取 3 个以上文件，或单个文件超过约 400 行时使用，只读答案不读文件。
- llm-write -r <ref> -s "<spec>" -o <path>：根据规格生成测试、fixture、配置脚手架或文档模板，生成后必须人工审查和编辑，不可盲信。
- llm-extract <transcript.jsonl> --sections summary,decisions,todos：把长对话记录转成文档更新。
- 若某个机械步骤以相同方式重复 3 次以上，应写一次性脚本 scripts/<name>.sh 用代码自动化，而不是反复消耗模型 token。
适用场景：批量文件摘要与事实查找、样板代码与文档模板生成、长记录提取摘要/决策/待办。
限制与禁止：不要委托架构或设计决策、调试（廉价模型易漏细微 bug）、涉及认证、支付、PII、删除或生产数据的任务，以及最终提交和 PR 描述。委托结果默认不可信，worker 只负责起草，高价值模型负责审查和修改；若结果看起来错误或单薄，应自行重读来源。不要传入含真实凭据的文件，需先脱敏。成本参考：让廉价 worker 摘要约 12k token 文档比前沿模型便宜约 125 倍，质量足以做摘要和找事实。常见错误包括因文件大而委托判断类问题（应拆分：llm-ask 提取事实，高价值模型判断），以及把 llm-write 输出当作完成品。