optimize-agent-docs 用于把累积的智能体文档转化为面向检索优化的知识系统。其核心假设是：文件组织面向人类，而智能体靠搜索和加载获取信息，因此应从发现性、相关性、加载效率三方面优化。
主要能力与工作流： 一、知识提取。用 find 命令清点各目录下的文档源，例如：find . -maxdepth 2 -name ".md" -path "/.claude/" -o -name ".md" -path "/.codex/" -o -name ".md" -path "/.cursor/" -o -name "CLAUDE.md" -o -name "AGENTS.md" -o -name "INSTRUCTIONS.md"，再抽取离散事实、指令与上下文触发条件。 二、分块分析。把内容拆成可独立检索、可单独执行的最小单元，并按自包含性、任务针对性、信息密度评分。 三、生成知识清单。输出 .claude/KNOWLEDGE.md，包含任务到知识的映射表、高频快捷参考（命令、路径、关键规则）与分块索引。 四、编译优化产物。把冗长文档压缩为密集版本，输出到 compiled/ 目录，使用表格、模式替代示例、单一事实来源等手段降低 Token 占用。 五、生成检索提示。在编译文档中加入形如 <!-- @task:new-endpoint @load:api,routes --> 的标记，配合 grep -l "@task:new-endpoint" .claude/compiled/.md 实现快速定位。 六、校验。检查覆盖率、检索效果与密度，例如用 wc -l 对比源文件与编译文件行数。
适用场景：为 Codex、Claude Code、Cursor、Aider 等编码智能体维护文档仓库，希望减少加载量、提升任务相关知识命中率时使用。
限制：资料未提供安装方式、价格、平台要求或具体性能数据；输出目录结构、命令与标记语法需按项目实际情况调整。原始人类可读文档应保留不动。