synthesize-learnings

用途：把 analyze-plugin 的原始分析输出转化为具体、可执行的改进建议，形成从观察到演进的闭环。改进目标分为四类：agent-scaffolders（脚手架工具）、生态标准与源文档、分析器自身（自改进）、领域插件（如 oracle-legacy-system-analysis）。\n\n主要能力：将观察结果分类（结构创新、内容模式、执行模式、集成模式、质量模式、元模式、反模式、领域适用性、新发现）；为每条观察生成结构化建议（来源、类别、目标、优先级、观察、现状、改进方案、示例）；按高/中/低优先级排序；把新模式追加到 analyze-plugin 的 references/pattern-catalog.md；将建议记录到 references/open-recommendations.md 跟踪表；生成含执行摘要、按目标分组建议、模式计数和循环状态的总结报告。\n\n使用方式：依赖 Python 3.8+ 且仅用标准库。安装依赖命令：pip-compile ./requirements.in 与 pip install -r ./requirements.txt。触发词为 synthesize。模式目录条目格式与建议跟踪表格式已给出。\n\n输出与限制：输出为独立 markdown 报告，可用于归档、规划简报、驱动 PR。必须输出到新隔离目录（如 synthesis-reports/run-1/），不得覆盖已有报告。需将 total_tokens 和 duration_ms 写回 timing.json。结尾须列出最优先的三项改动。存在四个改进目标但编号与命名重复，原文以 agent-scaffolders 标注，具体范围暂未提供更明确区分。