用途：PROFILERA（Persona Reconstruction: Observable Footprint Indexing Logic）挖掘用户的 Claude Code 会话历史、记忆文件、对话与项目配置，生成结构化决策画像，用于预测“这个人会怎么决定”。
主要能力：产出全局 PROFILE.md（决策画像，供其他技能消费）与项目级 DECISIONS.md（模式提取的高信号来源）。每条决策带数值置信度（0-100）、永久性分类（stable/durable/situational）与时间元数据（first、confirmed、challenged），支持按 λ 参数的休眠衰减计算有效置信度。信号归入 12 个类别，如架构与设计模式、技术选型、代码质量、流程与工作流、权衡启发式、反模式等。
使用方式：两种模式。Full 模式从零重建：运行 python3 scripts/extract_all.py 提取语料，读取 corpus.json，分类综合后写入 PROFILE.md，并做预测验证。Validate 模式做增量检查：运行 python3 scripts/effective_profile.py --validate 选出约 6 条最值得验证的条目，逐条确认、质疑或跳过并更新元数据。PROFILE.md 默认位于平台数据目录（Linux 为 $XDG_DATA_HOME/agentera/PROFILE.md），可用 PROFILERA_PROFILE_DIR 覆盖。
适用场景：需要让智能体理解并遵循用户既有决策习惯时；跨项目维护一致的决策基线；定期校验画像是否仍准确。
限制：仅读取会话历史、记忆文件与配置，绝不修改这些来源；不向外部服务共享画像内容；不编造决策模式，置信度须有证据支撑；矛盾以 Tensions 记录而非强行统一。若 Python 不可用或 ~/.claude/ 不可读，则无法生成或验证。