用途：将觅食理论与蚁群优化用于系统化搜索、评估和利用分布式资源，在探索未知区域与利用已知产出之间取得平衡。适用于解空间过大难以穷举、需在探索新方法与深化已知方法间分配投入、跨多个不确定机会分配资源、为分布式团队或自动化智能体设计搜索策略，以及诊断过早收敛或长期徘徊等场景。
主要能力：按五步流程展开。一是绘制觅食地形，识别资源分布类型（集中、分散、短暂、嵌套）、信息可得性与成本结构；二是部署侦察并留下轨迹标记，分配约20-30%的侦察比例，可选随机游走、Levy飞行、系统化扫描或偏置随机等模式；三是建立轨迹强化，通过沉积量、衰减率和饱和上限形成正反馈回路；四是检测收益递减，借助边际价值定理决定何时从利用转向探索；五是按环境反馈切换觅食策略，监控策略与地形是否匹配。
使用方式：该技能需输入资源描述、搜索空间描述，可选输入当前搜索策略及失败模式、可用的侦察者数量、探索成本与利用失败成本、时间范围。按上述步骤执行并完成验证清单。
限制：资料未提供具体实现代码、运行环境、依赖或安装命令。效果取决于地形刻画与参数设置是否准确，需防范过早收敛、持续探索、忽视迁移成本、动态环境下策略僵化以及混淆侦察者与利用者角色等常见陷阱。