用途
该技能用于优化 REA 提供方和共享分析工作流，关注的优化维度包括智能体上下文、延迟、CPU 和内存，同时要求保持正确性与 Evidence 不变。资料强调，一个有价值的优化结果也可以是经过测量后决定不改动某处实现。
该技能只提供优化工作流，不额外授予执行目标、发布或合并的权限；使用时仍需遵守当前契约、提供方前置条件和用户授权。
主要能力
- 固定问题与正确性基准：描述分析师的完整任务，包括所需事实与关系、请求细节、来源访问和未知项；选择一个代表性真实产物和一个小型或空案例；记录基线修订、目标摘要、引擎标识、选项、主机和入口。正确性基准必须独立于被改动的实现，例如源码构建的测试夹具预期、独立映射的文件字节，或原生生产者配合其解释检查。需保留地址宽度、同地址备选、未解析端点、覆盖范围和来源关联；空结果只能证明实际检查范围内不存在。
- 定位最早的不必要工作：沿一个公开 CLI 或 MCP 任务，通过共享应用代码追踪到生产者，测量准入与身份检查、原生分析、解码、查找、投影、序列化、Evidence 保留和清理等阶段。
- 选择最小结构性修正：资料给出的对应关系包括：已验证事实被重复扫描时可复用既有顺序或查找结构；等价引擎工作重复时可共享已验证结果或进行中的生产者；为选定事实生成完整报告时可把选择或投影下推到最早可胜任的归属方；大型临时传输缓冲可增量解码或使用有界源读取；大量重复同质读取可共享准入、解码或批处理工作。资料明确要求，在引入索引、通用缓存、批处理端点或编排层之前，必须说明它消除了哪些工作及其维护与资源成本。
- 保持单一解释与确定复用生命周期：由生产者边界一次性验证并规范化事实，消费者通过共享 CLI/MCP 实现查询该表示；适配器不应重建关系或独立重新解释原始报告。每个缓存或共享生产者必须说明键、归属、失效条件、保留大小和生命周期，并考虑影响结果的目标字节、引擎内容、分析选项、架构/加载映射和解析器/模式版本。只有在确定性情况下才缓存拒绝；畸形、部分、瞬时或取消的尝试需要显式重试策略。
- 限定进程族与保留状态：不仅限制父堆或工作线程数，还要考虑解码和序列化膨胀；根据主机和工作负载选择 CPU、内存、并发与磁盘限制，在 OOM 前停止并验证自有清理。
使用方式
按资料描述，优化流程依次为：固定问题与正确性基准；追踪一个公开任务并测量各阶段；依据证据选择最小修正；明确复用契约与生命周期；对比优化前后已完成任务并限定结论。对比时需在等价输入、结果、覆盖范围和 Evidence 语义下运行受影响的真实公开工作流，包含小型输入以暴露启动成本和回归，区分新会话、热运行时缓存和 OS 文件缓存，并在方差影响决策时交替或重复运行。报告内容包括任务结果、相关阶段耗时、总耗时与 CPU 时间、进程族峰值内存及其计量方法、资源停止和清理情况，同时检查载荷退出状态与分析器状态。
适用场景
适用于需要优化 REA 提供方、共享分析工作流或智能体上下文成本，同时必须保持分析正确性和 Evidence 语义的工程任务。资料提到可在选择复用策略或解读基准时参考 Kuna 案例研究，但其观察仅说明权衡，不构成当前提供方保证或通用加速承诺。
限制
资料未提供具体性能提升幅度、速度倍数或基准数值。令牌声明需统计完成任务的模式/发现、参数、回复、重试和续接；分词器估算需与实际模型使用分开标注；仅更小的 JSON 既不能证明模型令牌更少，也不能证明调查质量更好。没有完成的代表性调查和可比正确性/覆盖范围，不得声称复杂软件优势。变更记录需与测试修订保持同步，并区分已合并生产代码与仅实验代码。