用途：把被指派的仓库当作一个连通系统来改造，服务于在该仓库上工作的编码智能体。项目本身不必包含 AI 软件。目标是让智能体能理解领域、选择正确动作、观察效果、从失败中恢复，并为后续任务留下有用知识。
主要能力：围绕三项结果评估改进——Agent-intuitive（无需猜测即可发现系统用途、术语、结构、约束与权威证据）、Agent-ergonomic（以较少步骤检查状态、做有界变更、验证结果并恢复）、Agent-accretive（完成的工作留下已验证知识与可复用能力，过时知识被修正或退役）。流程包括：建立系统模型（用途、结构、行为、操作、知识五类证据）；按真实任务走查智能体工作循环（找目标、定位最小责任接口、选择动作、观察结果、恢复失败、保留决策）；选择一致的目标设计；修订文档与计划；验证结果。
使用方式：用户指令优先于本技能默认值。优先使用显式给出的仓库路径，否则用对话中指派或当前仓库。默认只修订设计文档、架构决策、实施计划及上下文链接，把代码、工具、schema、基础设施变更记录为计划；仅当用户请求或既有指令同时授权时才实施运行时变更。评估类请求、Plan Mode 或 --dry-run 下只检查与提议，不编辑文件。编辑前说明仓库边界、假设、预期产物与验证目标。接口与抽象决策沿用 $codebase-design 的术语（module、interface、seam、adapter、depth、leverage、locality）及其 references/AGENT-LEGIBILITY.md。
适用场景：需要让仓库对智能体更易理解、操作与持续积累知识的改造任务，包括多仓库的生产者—消费者契约梳理。
限制：不得创建平行文档体系、通用框架、投机性自动化或成本高于问题本身的流程；不把临时发现放入常驻指令；不复制可廉价权威查询得到的事实；不编造数值收益；不因文档变更宣称运行时改进或实测节省。未授权时保持顺序执行，不擅自委派。资料未提供具体命令、安装方式、收费与平台信息。