Crystallize 用于分析工作流、技能、代码库或智能体运行记录，定位其中被反复重新推导的环节，并推荐能保持任务结果不变的最小替代方案；开放式工作仍可交给智能体。
主要能力：建立预期结果与错误后果，阅读相关流程、代码或技能，检查可用运行记录（含失败与异常），追踪输入到结果的步骤；识别稳定方法中固定不变的部分与变化部分；从代码和提示中提取候选项，用运行记录确认其反复出现；按复现频率、可避免的投入、错误后果和维护负担排序，输出简短的建议列表。
使用方式：默认以分析和提案形式在对话中返回结果，仅当用户请求包含实施时才实施。可使用现有代码、说明、记录和运行历史，不需要新增追踪系统或工作流引擎。候选改动包括：删除不影响结果的步骤；重排或提前终止；保留已发现的方法、地址、查询或检索路径；把显式规则、解析、计算、轮询和机械动作转为普通代码或现有工具；隔离输入输出明确的窄判断；继续用智能体处理范围不确定的调查或决策。每条建议需给出重复工作及证据、稳定部分与最小替代、例外条件及去向、预期收益及估算依据、采用前所需的最小对比或观察，并推荐一个起点。
限制：没有运行证据时应标注为假设，并指出能最小的验证观察，不得虚构频率、成本和节省。不得规定模型厂商、DSL 或框架，应使用项目现有工具。模型自报置信度不等于校准证据。对每个候选需寻找实际例外或构造明确标注的反例，说明其处理的输入以及将工作返回智能体或人的可观察条件，并识别静默失败。不能假定当前智能体输出正确，应与任务要求和已审查结果对比。保留的证据仅在其仍包含回答所需事实时才可用于重放；新问题、政策要求或时效要求可能需要重新调研。若无法可靠识别例外，应缩小替代范围或保留现有调查方式。无值得推荐的候选项也是有效结果。