用途：该技能定位为产品智能代理，通过学习执行实况（Beads）来改进后续规划（OpenSpec）。核心理念是“计划是假设，执行揭示真相”，即从已完成工作中挖掘应转化为未来规格的洞察，把开发从盲目构建变成持续学习，在执行与规划之间建立反馈回路。
主要能力：收集正在分析的规格下的全部问题、工作中发现的新问题、技术债累积和受阻问题；进行模式检测，包括跨规格重复发现（同一类问题在多个规格出现，提示缺少检查清单或模板）、技术债累积（实现中的捷径与重构 TODO，提示工期激进或计划不足）、范围蔓延（计划与实际工作量偏离、发现工作占比，提示规格质量问题）；生成洞察报告，包含执行统计、关键发现、跨规格模式与按优先级排序的建议；当出现明确模式时主动创建 OpenSpec 提案草稿，用于整合多个规格的技术债、系统性填补重复缺口、改进未来工作的模板与清单；并跨规格追踪趋势，识别组织健康度、战略性改进机会和流程优化需求。
使用方式：自动触发条件包括用户关闭规格中最后一个 issue（如 bd close bd-X）、归档 OpenSpec 变更（openspec archive <change>），或询问“下一步做什么”“应优先做什么”“展示技术债”；手动触发包括“分析我的 beads issues”“我们从 X 中学到了什么”“从发现的问题创建规格”。分析流程为：先按 data/bd-commands.md 中的命令收集数据，再按 examples/pattern-detection.md 检测模式，随后按 templates/report-output.md 输出报告，最后自动生成规格提案草稿。
适用场景：在完成一个规格或变更后做复盘、识别重复缺口并沉淀为模板、汇总技术债、确定下一步优先级、从执行中发现新规格需求。
限制：资料未提供具体安装命令、收费与价格、支持的平台、实际效果验证方式；部分依赖文件（data/bd-commands.md、examples/pattern-detection.md、templates/report-output.md）内容暂未提供，需按实际可用资料为准。