用途：Advanced Elicitation 将元认知推理应用于 AI 输出，让 AI 通过系统化方法重新审视并改进初次回答。核心原则是：第一遍回答通常不错但不够好，引出（elicitation）迫使更深入思考。
使用时机：适用于重要决策（架构、安全、主要功能）、复杂问题（多方利益相关者、需求不清）、关键产出（规格、计划、设计），以及质量比速度更重要时。不建议用于简单查询、例行任务（格式化、简单重构）、时间紧迫的紧急修复和预算受限场景（成本约为 2 倍）。
主要方法：内置 15 种以上推理方法，包括第一性原理思考、事前验尸分析（Pre-Mortem）、苏格拉底式提问、红队对蓝队、逆向思考（Inversion）、二阶思考、SWOT 分析、机会成本分析、类比推理、约束松弛、失效模式与影响分析（FMEA）、偏见检查、基础比率思考、钢铁人论证（Steelmanning）和时间视野转换。每种方法配有步骤与输出模板。
使用方式：通过 Skill 调用，支持单方法（args: 'first-principles'）、多方法（args: 'first-principles,pre-mortem,red-team-blue-team'）和自动选择（args: 'auto'，自动根据内容挑选 2-3 种方法）。可与 spec-critique 集成（args: 'with-elicitation'）。
成本与安全控制：仅手动启用（opt-in），绝不自动应用。预算可通过 ELICITATION_BUDGET_LIMIT 配置；配置项包括 enabled、costBudget、minConfidence、maxMethodsPerInvocation（最多 5 个）、maxInvocationsPerSession（最多 10 次）。安全控制涵盖输入校验（方法名需匹配 /^[a-z][a-z0-9-]*$/）、成本预算执行与速率限制。
性能：关键决策上质量提升约 +30%，成本约 2 倍 LLM 使用量，时间增加约 +50%。
限制与协议：需遵守记忆协议，开始前读取 .claude/context/memory/learnings.md，完成后按类别记录学习、问题或决策。铁律：绝不自动应用 elicitation，始终手动启用。