用途：解决多智能体工作流中的“上下文问题”——子智能体被创建时上下文有限，不知道哪些文件含相关代码、代码库有哪些模式、项目使用什么术语。常见做法要么发送全部内容（超出上下文限制），要么什么都不发（缺少关键信息），要么猜测需求（常常出错）。
主要能力：采用四阶段循环逐步细化上下文。DISPATCH：用初始宽泛查询收集候选文件，包含 patterns、keywords、excludes。EVALUATE：评估检索内容的相关性，按 0-1 打分（高 0.8-1.0 直接实现目标功能，中 0.5-0.7 含相关模式或类型，低 0.2-0.4 间接相关，无 0-0.2 排除），并识别缺失上下文。REFINE：根据评估更新查询，加入高相关文件中发现的新模式与术语，排除确认无关的路径，针对具体缺口设定 focusAreas。LOOP：用细化后的条件重复，最多 3 个循环；当高相关文件达到 3 个且无关键缺口时返回。
使用方式：可在智能体提示词中按步骤使用：先宽泛关键词搜索，评估每个文件相关性，识别仍缺失的上下文，细化条件并重复（最多 3 次），返回相关性不低于 0.7 的文件。资料给出示例：修复认证令牌过期缺陷时，第一轮搜索 token、auth、expiry，第二轮加入 refresh、jwt 并排除低相关文件；为 API 端点添加限流时，第一轮无匹配，发现代码库使用 throttle 术语后细化关键词。
适用场景：多智能体工作流中为子智能体准备上下文、缺陷修复、功能实现等需要从代码库中定位相关文件的检索任务。
限制：最多 3 个循环后继续；资料未提供具体安装命令、依赖、平台或收费信息。相关内容包括子智能体编排指南、continuous-learning 技能以及 ~/.claude/agents/ 中的智能体定义。