用途：为任意项目首次初始化 RLM 语义缓存，属于一次性首跑流程；每个缓存运行一次，之后用 rlm-distill-agent 增量更新。适用场景包括首次在项目中使用 RLM Factory、新增缓存配置（如 API 文档与脚本分开缓存）、重大重构后重建缓存。
依赖与安装：需要 Python 3.8+，仅用标准库，无外部包。安装依赖命令为 pip-compile ./requirements.in 与 pip install -r ./requirements.txt；requirements.txt 为锁定文件，当前为空。
交互流程：先选择安装模式（A 仅 RLM 独立运行；B RLM + vector-db Phase 2；C RLM 作为 wiki 提炼器；D 完整 Super-RAG，需要 vector-db 与 obsidian-wiki-engine）。可通过 ls .agents/skills/vector-db-init/ 与 ls .agents/skills/obsidian-wiki-builder/ 检查插件是否安装。缺失插件时给出的安装命令为 uvx --from git+https://github.com/richfrem/agent-plugins-skills plugin-add richfrem/agent-plugins-skills，或 npx skills add richfrem/agent-plugins-skills。
初始化步骤：向用户询问要缓存的文件类型、包含目录、扩展名、缓存位置（默认 .agent/learning/ 或 config/rlm/）与缓存名称；配置 rlm_profiles.json（位于 RLM_PROFILES_PATH 或默认 .agent/learning/rlm_profiles.json），含 version、default_profile、profiles（description、manifest、cache、extensions）；创建 manifest（include、exclude、recursive）；初始化配置目录；用 python ./scripts/inventory.py --profile <NAME> 审计未缓存文件；对每个未缓存文件读取并生成信息密集摘要，由脚本写入带 hash 与 summarized_at 的 Markdown 缓存结构；再次审计，目标 100% 覆盖率。
质量要求：摘要需回答“该文件为何存在、做了什么”，避免“这是一个 README 文件”式空泛描述。限制与提示：脚本仅使用标准库；缓存直接持久化为 .md 文件，无需 .json 数据库；若缓存含项目专属摘要应加入 .gitignore。资料未提供更多平台限制、收费或价格信息。