用途：把智能体路由文件（RESOLVER.md、AGENTS.md）中“一行一个技能”的细粒度表格，改写为按功能区域分派的条目，以降低路由文件体积、节省上下文预算。
主要能力：用一条区域条目替代同一区域的多行技能，条目格式为“- {区域名}: {触发短语} -> {分派技能} (dispatcher for: {子技能列表})”。分派技能文件自身再维护内部路由，形成“路由文件→区域→具体子技能”的两层分派。区域通常划分为 12–15 个，例如 Brain & Knowledge、Email & Comms、Calendar & Scheduling、Research & Investigation、Infrastructure、People & Contacts 等。常驻条目（如 acknowledge、multi-user、entity-detector 等）保持单行，因为每条消息都会检查。
使用方式：压缩前需满足前置条件——源路由文件≥12KB 且 git 工作区干净，否则需用户以 --force 显式覆盖。确定要压缩的文件后识别功能区域、构建区域条目。提交前必须验证：先运行 gbrain routing-eval --json（准确率低于 95% 需回退调整），再用 gbrain 仓库中的 harness 对编辑后的文件做 LLM A/B 验证，例如 node harness.mjs --variants-dir "$TMP" --variants my-edit --model opus --parallel 3 --yes，宽松（同区域）得分低于 95% 应回退。提交前需展示 diff 并获得用户明确同意。新增技能时把它加入对应区域的 (dispatcher for: ...) 列表并重跑验证。
适用场景与限制：面向维护大量技能、路由文件膨胀的 GBrain/OpenClaw 类部署。资料中的 A/B 评测为单厂商（Anthropic 三个模型）、训练集与变体同一版本撰写、留出集样本量小（n=5）且多数饱和，跨厂商验证与扩充留出集列为后续计划；且必须使用感知 dispatcher 的提示模板，否则压缩会显著失效。费用与平台信息资料未提供。