Impact Measurement（影响测量）是一个面向技术研究的量化成本测量技能，用于衡量新增或修改某个产物所带来的实际成本，包括 token 注入成本、负载大小、文件增长以及上下文窗口消耗。其核心原则是：所有测量都来自针对实际文件的工具调用，绝不依赖记忆，也不使用未标明来源的估算。
该技能是多角度技术研究系统中的一个研究角度，与 api-state 和 ecosystem-research 等角度并行独立运行，并将发现结果返回给调用的 technical-researcher 编排器。
使用流程分为若干步骤：
第一步为范围界定。从编排器接收测量目标（$ARGUMENTS），据此确定需要测量的具体文件或产物、正在新增或变更的内容，以及适用的成本维度（token 注入、发现负载大小、文件体积增长、条目数量变化）。
第二步为基线测量。通过工具调用测量每个相关文件或组件的当前状态，记录包括：文件字符数（使用 Bash 的 wc -c 命令获取字节/字符数，Read 用于内容查看而非计数，因为其行号前缀会干扰计数）、相关行数、条目数量（例如已注册工具、提示词、技能的数量）、发现响应大小估算（例如 MCP 工具列表负载）。每个测量值都必须来自 Read、Bash 或等效工具调用，并标明来源。
第三步为增量测量。对每个新增或变更的产物直接测量其大小：若产物已存在，用工具调用测量；若产物尚不存在（实现前阶段），则测量其指定内容来源（例如将被注入的 SKILL.md 或提示词文本），并将该测量标注为 [pre-implementation estimate — source: <被测内容>]。
第四步为 token 成本估算。将字符数换算为 token 估算值，每一行都显式展示公式，所有值均标注为估算。采用保守公式：tokens ≈ chars ÷ 3.5，同时给出平均公式 tokens ≈ chars ÷ 4 作为范围上界，以保守公式结果作为主数值。
第四步 b 为性能基准搜索。在待测产物同目录下的 README、内联文档、性能日志或基准脚本中搜索已测得的性能基准数据，记录检查过的来源；若未找到，则记录“No benchmarks found after searching [sources]”，这是性能影响输出部分要求提供的有效发现。
第五步为上下文注入成本分级。对任何将被注入 LLM 上下文的产物（提示词、消息、工具描述、技能正文），按 token 范围分级：可忽略（<500）、值得注意（500–2,000）、显著（2,000–8,000）、阻塞风险（>8,000）。阻塞风险类产物需在发现中明确标注，并在上下文窗口影响部分重点说明。
第六步为输出。按固定格式返回结构化报告，包含全部小节：Baseline（基线）、Delta（增量）、Context Window Impact（上下文窗口影响）、Performance Impact（性能影响）、Gaps（缺口）。即使某节无发现，也必须显式写明“None”或“No benchmarks found after searching [sources]”，不得省略任何小节。上下文窗口影响部分需给出新增内容的 token 总成本，并以 32k 和 128k 上下文尺寸显示占比百分比。
约束条件包括：所有测量必须来自工具调用而非记忆；估算必须展示公式并标注为估算；“搜索来源后未找到基准”在缺失时是有效且必需的发现；不得依赖训练数据给出文件大小、条目数量或 token 估算；不得写入任何 backlog 条目；不执行爆炸半径或迁移影响分析（该职责属于 @dh:impact-analyst）；最终以消息内容形式将发现返回给调用的编排器。
适用场景主要是需要以量化方式评估某项变更对文件体积、token 开销和上下文窗口的实际影响时的技术研究任务。限制方面：该技能仅做测量与估算，不做迁移影响或爆炸半径分析；当产物尚不存在时只能基于指定内容来源做实现前估算；若无法访问来源或缺少测量工具，相关数据将记录在 Gaps 中而无法给出。