用途：aep-calibrate 是面向人类与智能体对齐的检查点技能。智能体按规格构建，但规格是意图的有损压缩，该技能暂停执行，让人类检查已构建内容，并记录“正确”的具体含义，供智能体后续使用。
主要能力：支持显式指定（如 /aep-calibrate visual-design）、从 /aep-reflect 路由，或无类型时根据 calibration.plan、stories 的 calibration_type 判断，否则询问用户。共 7 个校准维度：visual-design、ux-flow、api-surface、data-model、scope-direction、copy-tone、performance-quality。区分 establishment 与 extension 两种模式，并按 heavy/light 决定流程：heavy 走外部探索、生成独立 calibration/<type>.yaml；light 通过对话式问答原地更新产品上下文。
使用方式：先读取 product-context.yaml，按扫描目标检查现状，生成 brief 写入 docs/calibration-brief.md 并打印。heavy 在此停下，人工外部探索后运行 /aep-calibrate capture；light 直接进入 Phase 2。Phase 2 按 references/capture/<type>.md 逐题问答，生成或扩展校准产物，更新 calibration.history 与 changelog。visual-design 还会把配色转为 oklch 写入 globals.css 的 :root 与 .dark。最后校验 YAML：npx js-yaml product-context.yaml > /dev/null && echo "YAML OK"，再 git pull --ff-only origin "$BASE"、git add calibration/ product-context.yaml product/、git commit、git push。
适用场景：需要把人的审美、命名、范围、阈值等判断固化为智能体可消费的准则时；已有校准需要按新层做增量扩展时。
限制：具体探索工具指引、各维度模板、capture 问题与 schema 均存放在引用的 references 文件中，本资料未展开；heavy 阶段需人工在智能体外部完成探索；资料未提供收费、平台等信息。