用途：在开始需要多个提示的 AI 辅助分析会话前，把项目专属知识、业务定义、数据模式、先前发现、约束和输出格式等整理成一个结构化的上下文包，减少来回沟通并改善首次回答质量。
主要能力与流程：1）按 references/context_layering_guide.md 判断需要哪些上下文层，如任务定义、业务背景、数据模式、先前发现、约束和输出格式；2）运行 scripts/context_bundler.py 合并多个上下文文件为单个结构化包，自动去重并应用分层顺序；3）运行 scripts/token_counter.py 估算 token 数，超出预算时按指南中的裁剪优先级削减较低优先级层；4）依据 references/context_quality_rubric.md 评价上下文质量，完整性、清晰度和相关性综合得分应不低于 7/10；5）在包前添加清晰的任务说明，写明需求、期望输出格式和硬性约束；6）用 assets/context_package_template.md 保存包，便于复用或后续会话更新。
使用方式：需要提供任务描述、上下文源文件或片段列表（模式文档、先前报告、业务定义等），以及 token 预算（默认 100k）。输出包括合并后的单一文本上下文包、token 估算数、上下文质量评分，以及带任务标题的即用提示。
适用场景：复杂调查、多步分析，或依赖项目专属知識的 AI 辅助分析任务。
限制：资料未提供具体价格、平台限制或额外效果数据。