用途：对智能体插件与技能进行结构化和内容层面的深度分析，提取可复用模式，服务于持续改进。支持两种模式：单插件模式（深入理解一个插件的架构）和对比模式（并列分析多个插件，寻找共性模式）。
主要能力：分析按六个阶段顺序执行。阶段一为清单化，先运行确定性脚本 python3 "./scripts/inventory_plugin.py" --path <plugin-dir> --format json；脚本不可用时手动遍历目录树，按文件类型分类（如 SKILL.md、commands/.md、references/.md、scripts/*.py、README.md、CONNECTORS.md、plugin.json 等），记录路径、类型、行数、字节大小并输出清单。阶段二为结构分析，考察布局、渐进式披露、组件比例、命名模式、README 质量、连接器抽象以及是否可脱离 MCP 工具独立运行。阶段三为内容分析，按文件类型加载对应问题集，评估 SKILL.md 的 frontmatter 质量、正文结构、交互设计，以及命令、参考文件、脚本的质量。阶段四为模式提取，依据 references/pattern-catalog.md 识别已知与新型模式，并记录质量、可复用性、置信度与生命周期，新增前需先查重。阶段五为反模式与安全检查，优先执行安全检查，再检查结构性反模式，并标记 LLM 原生攻击向量（如技能冒充、上下文污染、通过引用注入）。阶段六为综合评分，依据成熟度模型和评分规则评定 L1–L5 成熟度、六个维度打分并生成报告。
使用方式与限制：输出为结构化 Markdown 报告，单插件内联输出，集合则生成工件文件；分析报告必须保存到显式版本隔离目录（如 analysis-reports/target-run-1/）以防重复运行覆盖；审计完成后需立即将 total_tokens 和 duration_ms 记录到 timing.json。结尾需给出针对相关插件的改进建议。资料未提供收费、平台或具体安装命令等信息。