用途：把研究论文转化为生产级技能包，从论文中提取可操作方法，结构化为技能规范，再经协同演化精炼生成经验证的技能包，减少手工编写。
主要能力：支持多种论文输入（arXiv ID、arXiv URL、PDF 路径、论文 URL、粘贴文本）；PDF 通过 to-markdown 技能转为保留章节、表格、公式与算法伪代码的 Markdown；用 research-critique 技能做批判性分析，提取核心贡献、算法步骤、输入输出规范、参数范围、结果证据、失败模式与依赖；再抽取结构化技能规范（名称、领域、来源论文、能力、算法步骤、失败模式、示例任务）；交由 test-engineer 智能体执行生成→验证→oracle→精炼的协同演化循环；最后补充来源归属、参考文献并检查名称冲突。
使用方式：按五阶段工作流执行——论文接收、批判性分析、技能规范抽取、技能生成、归属与定稿。前置条件包括 to-markdown 技能、research-critique 技能和 test-engineer 智能体。抽取时优先采用论文自身算法伪代码，参数范围取自实验，术语映射到 armory 约定，多版本取表现最佳者。
适用场景：将新发表论文快速转为可执行技能，打通研究与工程实践。
限制：无法提取可视化方法（电路图、神经架构图），仅适用于文本算法描述；多相互依赖贡献的论文可能生成过于复杂的技能，建议拆分；非英文论文需先翻译；生成质量取决于论文方法描述的清晰度。错误处理涵盖无明确算法、纯理论论文、PDF 转换失败、需数据/算力、预算耗尽等情况。