用途：当相关材料超出单个上下文时使用递归分解。若材料能放进一个上下文，应直接处理；否则把根任务作为字符串 task 传入，用一个 fabric_exec 程序按“定向 → 委派不重叠、上下文规模的划分 → 合并可用结果”的流程执行。rlm.query() 等价于 agents.run({ runner: "pi", recursive: true })，单个子上下文能容纳的划分用普通 agent()，仍然过大的划分才用 rlm.query()。
流程：先由具备 read、grep、find、ls 工具的 agent 把材料划分为最多 12 个不重叠、匹配上下文规模的组，仅当某组仍放不进子上下文时标记 recursive=true；随后对路径做规范化与去重合并，按批次并行委派（批大小为 4），普通划分由 agent 分析，递归划分由 rlm.query 处理；最后对所有已完成结果做一次综合。
护栏：生成子任务前先去重和划分；按批执行，整批失败即停止新的开销；最多两个顶层划分可递归，超出的递归提议以 not_started 连同路径返回；并发子任务不得编辑相同文件，可按路径划分编辑归属或使用 worktree: true；agents.maxDepth 限定递归分支深度；共享的 agents.budgetUsd 与 tokenBudget 在并发下为尽力而为，因用量事后结算，批次只能减少而无法消除超支；budget.remaining() 仅反映已完成用量；初始审批只委派 agent 风险，网络、执行和写入审批不继承；可用 agents.steer 引导偏离的子任务而非丢弃其上下文。
输出与限制：coverage 保留原始提议数、已派发划分、已完成数和合并的重叠项；成功综合时结果紧凑，仅在综合失败时返回原始精炼发现，完整 FabricAgentResult 不回传父级；partial 表示带已知缺口的可用证据，不应自动重跑整棵任务树；失败记录保留路径，必要时只对这些路径用普通 agent 或定向递归查询重试，且绝不自动重跑已成功的划分。以上信息来自公开资料，其余细节暂未提供。