用途：评估系统健康度与演进机会，在决定改进方向前先判断现状。它关注不必要的复杂度、使用不足的组件、协作开销以及架构决策偏差，强调通过小而基于证据的改动来优化系统。
主要能力： 一、先评估后改动。识别现有内容、判断实际被使用的部分，区分真实问题与主观感知问题，先问清楚什么在失败、什么慢或低效、哪些未使用或冗余；没有明确证据不提议改动。 二、检测过度工程。寻找多个组件解决同一问题、无明确价值的层级、只用一次的抽象、本可简单却复杂的流程，并建议简化、合并、指出多余部分，提问“能否用更少的部件解决”。 三、评估组件相关性。对每个组件（智能体、模块、服务）判断是否在用、是否有独特价值、能否被替代，并分类为核心、有用、冗余、未使用；倾向删除而非维护未使用部分。 四、识别协作成本。关注过多交接、同一数据的反复转换、过长的责任链、可合并的多步骤，并建议减少步骤、合并职责、简化流程。 五、避免多智能体陷阱。在推荐新增组件前，先检查单个组件能否解决问题、是否真有拆分必要；当任务顺序执行、逻辑紧耦合、沟通开销大于收益时避免增加复杂度。 六、提出小而安全的改进。偏好增量改进而非重写，明确说明改什么、为何改善、引入何种风险；推荐删除未用组件、合并重复逻辑、简化流程；避免无明确回报的大规模重构和无必要整体重设计。 七、验证影响。每个提议都要定义预期改善，如结构更简单、步骤更少、执行更快、更易维护；若影响不清晰则不要推进。
使用方式：以评估请求触发，例如询问“我们需要这么多智能体吗”，技能会列出全部智能体、分类其相关性、找出重叠，并给出删除或合并建议及理由。
适用场景：系统质量评估、低效识别、演进决策、架构与组件盘点。
限制：资料未提供具体的调用命令、安装步骤、平台支持范围与收费信息，这些暂未提供。