用途：面向大型代码库（100+ 文件）的递归分析，用于跨模块、跨切面的模式调查与系统性代码审查。核心理念是“上下文是外部资源而非局部变量”：不加载可查询的内容，模型自行决定策略，复杂度足够时才递归。
主要能力：提供 rlm.py 流式查询引擎，不把全部文件载入内存。支持统计概览（python3 ~/.claude/skills/rlm/scripts/dev-rlm.py stats，可加 --type py）、正则流式搜索 grep、带上下文的子串搜索 peek（如 --context 300）、按行范围读取 read（如 --lines 50-100）、为智能体分发做文件分块 chunk（如 --size 15 --output /tmp/rlm_chunks.json）。所有命令支持 --output 写出结果文件。
使用方式：按“索引→过滤→映射→归约”流水线执行。先用 stats 评估候选文件数量，再决定策略：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，必要时递归分解；200+ 个用递归分解。可配合 Explore、general-purpose 智能体并行处理，结果汇总到 /tmp/rlm_* 并用 jq 合并。
限制与护栏：并发智能体最多 5，总数最多 15，最大递归深度为 2（主→工作→叶），叶智能体不得再生成子智能体，每个智能体超时 120 秒，每轮生成需有明确目的；禁止 cat 全量代码库、未运行 Index 就派发智能体、跳过 Filter 处理 50+ 文件代码库，交付后清理 /tmp/rlm_*。若 rlm.py 不可用，可用原生工具 Grep、Glob、Read、rg、find 替代，流水线与策略不变。该技能基于 RLM 范式（arXiv:2512.24601）。