用途：分析项目技术栈特征，识别能力缺口，并基于相似度推荐插件。
主要能力：
- 项目指纹提取：扫描项目目录，识别框架（package.json、pyproject.toml、go.mod、Cargo.toml）、语言（文件扩展名分布）、基础设施（Dockerfile、Chart.yaml、.github/workflows 等配置）以及架构模式（monorepo、事件驱动、api-gateway、微服务、serverless）。
- 关联规则挖掘：使用 Apriori 算法从项目画像数据集中发现频繁项集和关联规则，支持 minSupport、minConfidence 阈值。
- 插件推荐：将项目与插件表示为共享词汇表上的二值向量，按余弦相似度并结合缺口填补潜力加权排序，评分公式为 relevance = 0.6 * cosine_similarity + 0.4 * gap_coverage。
使用方式：可分别使用 ProjectFingerprinter 扫描项目、AprioriMiner 挖掘规则、RecommendationEngine 获取推荐，也可调用 analyzeProject 一次性完成全部分析。使用命令 /mp:recommend 触发。
适用场景：需为项目匹配插件、识别技术栈缺失能力时使用。
限制：AprioriMiner 默认 minSupport 为 0.3、minConfidence 为 0.6；缺口过滤仅暴露 confidence >= 0.6 的项，该阈值在代码中硬编码。训练数据来自 config/project-profiles.json（约22个项目画像），增加多样化画像可提升规则质量。具体插件收费、平台支持、实际效果及更详细安装步骤暂未提供。