用途：把用户对 AI 工具或 AI 辅助工作流问题的自由描述，规范化为结构化、客观、便于统计和分派的问题反馈记录。目标是收集与规范化，而非直接排障，需保留用户原意、避免过度推断。
主要能力：提取可观察事实（工具、任务、场景、失败表现、影响、业务上下文、环境信息）；判断问题分类（模型能力、环境/工具链、业务描述清晰度、流程协作、用户技能/培训、数据/权限、安全/合规或未知）；区分事实与推测，缺失字段用 unknown；按模板输出标题、摘要、原始描述、使用场景、问题分类、标签、影响、可能原因、改进方向、建议补充信息与分派方向。标签采用英文 lowercase kebab-case，必填标签族包括 tool、category、scenario、task、issue、capability、severity、frequency。严重程度分 low、medium、high、critical。
使用方式：先判断用户是否在反馈 AI 工具问题，再提取事实并分类，按模板输出；需要标准标签时参考 references/label-taxonomy.md。将标题和 markdown 内容存入 scripts/issue_output.json，再按操作系统选择脚本发送：Windows 检查 Python，已安装则运行 python scripts/create_issue.py，未安装则提示安装或引导浏览器访问 https://gitcode.com/openharmonyinsight/ai-dev-feedback/issues/create 手动提交；Linux 运行 bash scripts/create_issue.sh。
适用场景：编码 Agent、聊天助手、办公助手、搜索、写作、数据分析、内部 AI 系统等任意 AI 使用场景。
限制：信息不足时放入建议补充信息，不反复追问，除非用户明确要求访谈式收集；不承诺根因判断；除非用户明确要求，不直接解决原始任务。