用途：为某个库提取领域知识，产出结构化的领域地图，并把维护者脑中隐含、文档未覆盖的知识，转化为面向 AI 编程代理的、以任务为中心的技能（如“实现代理”“设置认证”“上线前审计”）。领域只是分析过程中的中间概念分组，最终技能来自领域与开发者任务的交集。
主要能力：提供一套五阶段流程——1) 快速扫描：阅读 README、快速上手、包结构、AGENTS.md/.cursorrules 及仓库内全部文档，并检查 peerDependencies 与 peerDependenciesMeta，记录版本范围、SSR/水合、连接数、单例等框架集成约束；2) 高层访谈：向维护者提取开发者任务、旅程、组合生态、实验性功能，并确认初步技能图；3) 深读：按叙事指南、迁移指南、API 参考、变更日志、GitHub issues 与 discussions 顺序阅读，抽取失败模式、默认值、约束、双 API、环境分支、类型缺口等；4) 细节访谈：针对缺口与 AI 代理失败模式提问；5) 产出 artifact。小型库可走轻量路径：将第 2、4 阶段合并为一轮 4–8 个问题的访谈。
使用方式：按阶段顺序执行；第 2、4 阶段必须与维护者进行交互式访谈，逐题提问并等待回复，不得用文档或源码推断代替。编码前先自行搜索可确定的事实，只向维护者询问优先级、取舍与隐含知识。遇到标注 STOP 的门禁须停下等待确认。若维护者要求跳过某访谈阶段，需说明损失，二度确认后方可跳过。
适用场景：为库维护者批量构建代理可用的任务型技能集；梳理迁移、集成、上线清单等跨功能旅程；把 issue/discussion 中的真实困惑沉淀为失败模式。
限制：仓库未提供具体 CLI 命令、安装步骤、收费与平台信息，均暂未提供；流程依赖维护者参与，无法完全自动化；资料未说明支持的编程语言范围与产出物的实际使用方式。