用途：作为训练前或部署前的架构门禁，评估并迭代 LNN/Linger/Thinker 神经网络结构，使其能通过 Linger export 与 Thinker packaging。
主要能力：需求收集（应用目标、目标平台 venus/mars/arcs/venusa、input shape/range、延迟/内存/精度目标、模型当前状态）；能力扫描；静态模型审计（ONNX 或 PyTorch 结构估算）；适配决策（op、精度、参数量、激活内存、tpacker 阈值、SRAM/PSRAM、动态 shape）；全流程 gate 验证；toolchain bug 移交；结果汇报。子模块包括 requirements-to-candidate、capability-discovery、model-static-audit、blocker-triage、adaptation-loop、export-pack-validation、toolchain-bug-handoff。
使用方式：在同时含 linger/ 与 thinker/ 的 toolchain root 下运行脚本，如 python3 lnn-model-design/scripts/collect_toolchain_capabilities.py --platform venusa --format markdown、inspect_onnx_model.py、run_toolchain_gate.py、triage_gate_blocker.py、generate_author_issue_bundle.py；从其他目录运行时补 --toolchain-root。
适用场景：LNN 模型结构评估与迭代、导出打包验证、内存溢出与 split 策略排查、疑似工具链缺陷的最小复现移交。
限制：target platform 与 model input size/shape 或 dynamic range 缺失时必须先让用户确认，不得假设默认值；工具不可用时只能给出静态 preflight 评估，非最终 runtime 证明；证据优先级为 tpacker 成功、tvalidator 通过、静态审计加能力扫描、手工估算。具体收费、价格与平台支持范围资料未提供。