用途：识别需求中无法唯一理解或无法判定的表达，保留原句与来源，说明缺少哪个区分条件，以及如何由责任角色关闭问题。它分析表述不足（under-specification），不替用户选择解释。
适用情形：需求包含“及时”“快速”“必要时”“正常”“支持”等未定义词；角色、对象、范围、数量、条件、时间、状态或验收判定有多种可能解释；需要判断一句话是普通歧义还是已构成跨来源冲突。不适用于已有明确互斥规则的最终裁决、测试执行或凭常识补全业务规则。
使用方式：先读取并遵循 prompts/requirement-ambiguity-analysis.md，提供目标、范围、材料、环境和已有证据。先做输入审计，区分已知、缺失、冲突、过期、范围外和最小假设；逐条保留歧义原句、来源、适用范围和缺失区分项，列出可能理解但不选择其一；按交付、质量和可测性影响排序，给出可指派、可关闭的问题和验证方式。信息不足时仍给最小可用初版，并显式列出假设和 3–5 个高价值问题。
主要输出：默认输出 Markdown；用户要求表格、CSV 或 JSON 时保留相同的证据、状态、影响、责任角色和验证字段。使用 RA-## 标识发现，至少区分 ambiguous、missing、untestable、conflict 和 out_of_scope。每条重要发现保留 source、原句、缺失区分项、可能解释、影响、优先级、问题、责任角色和验证方式。若材料明确互斥，标为冲突并建议使用 requirement-conflict-detection。
限制：不把缺失阈值、角色、格式、时限、状态或权限从常识中补出来；不决定哪种解释是最终需求，不代替产品、业务或合规角色裁决；不把结构化格式或静态清单写成执行、通过、批准或发布证据。需要验证发现行为时，可用 evals/trigger-prompts.csv 与 evals/local-rules.json 运行仓库的 scripts/run_skill_trace_eval.py；缺少 skill.selection 证据时必须报告 BLOCKED，不能推断触发成功。以上为仓库根目录开发验证步骤，独立安装的 Skill 包不包含仓库级 runner，运行时不依赖该脚本。