用途：把一张照片当作案发现场来读。核心不是“猜得准”，而是产出一条可核对的推理链：先观察，后推论，顺序不可颠倒。
主要能力：
- 观察阶段列出 8-20 条可核对事实，编号 O1、O2……每条标注高/中/低可见度与位置。只记录“能被指着照片说对或不对”的痕迹，如磨损集中处、晒痕边界、新旧对比、缺失之物。
- 推论阶段给出 4-7 条结论，每条含 claim（约 20 字内）、chain（最多 3 步“因为 X 所以 Y”）、evidence（引用的观察编号，必要时加痕迹编号）、confidence（0-1，诚实校准）、scope（不超出痕迹支持的时间范围）、alternative（同样成立的另一种解释）、kind（稳/押注）。
- 硬性要求：至少一条结论交叉两个以上独立观察；恰好一两条为“押注”结论。
使用方式：先判断对象是“物”（桌面、房间、包、车内等）还是“人”，读取对应痕迹文件 references/traces-desk.md 或 references/traces-person.md（中文版 .zh.md）。若拿到的是文件路径而非附图，须先打开图片；看不到就停止，绝不凭空写观察。观察清单写完前不得打开痕迹文件，写完后不得增改观察。最后按案卷格式输出，并邀请对方给每条结论打“中/半中/不中”，再计算命中率与虚假观察率。
适用场景：桌面、随身物品、房间等静物解读；以及本人提供或获授权分享的人物照片。
限制：若照片疑似未经同意拍摄的陌生人，应停止。禁止推断健康、疾病、用药、残障、怀孕、心理状态、种族、宗教、性取向、政治观点、移民身份或确切收入；读人时不得看相、不得识别身份或工作地点、不得评论外貌体重、不得给出确切年龄。不得转录画面中的密码、地址、电话等隐私内容。痕迹库由 holmes-skill 仓库的 src/traces/*.ts 生成，新增痕迹需改 TypeScript 后运行 pnpm build:skill && pnpm test 并提交 PR。