用途：dev-rlm 面向大型代码库（100+ 文件）的递归分析，强调不把整个代码库读入上下文，而是把文件系统当作可查询数据库。
主要能力：提供流式查询引擎 rlm.py，支持 stats（代码库概览）、grep（跨文件正则搜索）、peek（带上下文窗口的子串搜索）、read（读取单文件或行范围）、chunk（把文件分区以便分发给智能体）；所有命令支持 --output 输出 JSON。采用 Index → Filter → Map → Reduce 流水线：先统计结构，再程序化缩小候选，再并行分发，最后聚合结果。
使用方式：先运行 stats 判断候选文件规模，再按规模选择策略：少于 5 个文件用 peek 或 grep+read 在主上下文处理；5–50 个用 Fan-out Explore 或 Partition+Map；50–200 个用粗粒度 Partition+Map；200+ 个用 Recursive Decompose。递归时遵守硬限制：最大深度 2、总智能体数 15、每层并发 5、叶子智能体不得再生成子智能体、每个智能体超时 120 秒；智能体输出写入 /tmp/rlm_*，主上下文只读取摘要与聚合 JSON。
适用场景：跨领域模式调查、安全审计、大规模代码理解，以及需要多角度并行探索的任务。
限制：若 rlm.py 不可用，需回退到原生工具（Grep、Glob、Read、rg、find），流水线与策略选择不变，仅工具变化。资料未提供安装命令、收费、价格或平台支持范围。基于 RLM 范式（arXiv:2512.24601），原始技能作者为 BowTiedSwan。