用途：factory-learn 编排软件工厂的持续改进学习循环，把会话经验、历史决策与评估反馈沉淀为团队集中式 team-ai-directives 仓库中的已验证指令，并做冗余规则清理。它作为 Kind-A DAG 编排器，遵循 factory-mission/references/executor.md 的执行器契约。
主要能力：包含四条路线。会话学习路线（默认在会话结束时触发）：specify 调用 team-levelup 提取候选 CDR 与合规项；clarify 复核待定 CDR 并强制 evals 回归门（运行合规 goldset 作为 verify 子阶段）；publish 打包已接受 CDR、建立索引并生成指向指令库的草稿 PR；prune 运行清理机器人，检测并提议废弃被取代、矛盾或过时的规则。历史挖掘路线（棕地）：init 调用 change-init 从 git 历史与问题跟踪器挖掘 ChDR；clarify 调用 change-clarify 做交互式来源复核；publish 调用 change-publish 将接受的 ChDR 提升到 docs/adlc/memory/chdr/ 并重建索引。维护与构建以删除路线（周期性）：verify 运行 team-repair --build-to-delete，临时禁用规则重跑 goldset 评估，判断规则是否冗余，以及能否用确定性检查（单元测试、二进制评分器、pre-commit 钩子、lint 规则、CI 作业）机械执行并提升为检查。工作流回顾路线：analyze 扫描已完成/失败运行的共享状态（.adlc/workflows/runs/<run_id>/state.json，通过 adlc-cli workflow status）与证据文件，并扫描 .adlc/drafts/{adr,pdr,chdr,cdr,evals}/ 中未澄清条目；clarify 在门控/混合模式下向用户展示拟议记忆，自主模式自动批准；publish 将批准记忆写入 .adlc/workflows/memory.jsonl，记忆带权重与使用次数，过时或反效记忆自动归档。
使用方式：发布目标固定为 external-repo，在配置的 team-ai-directives 仓库上打开或更新草稿 PR，评论总线作用于该 PR。输出类型：specify/init 为 draft，clarify 为 decision，publish 为 artifact-ref，prune/verify 为 findings。自动消费 evals-analyze 输出。监督默认 hybrid，在 clarify 与最终 PR 创建处强制人工门。预检会验证 team-levelup、change-、team- 技能已安装，且 .adlc/init-options.json 中已设置指令库路径。
适用场景：把会话学习编译进团队指令库、从 git 提交历史挖掘回滚与热修复背后的理由、运行构建以删除检查以修剪冗余规则。
限制：不用于产品级规格或开发（应使用 factory-product 或 factory-mission）；若团队指令库完全未配置，需先运行 /team-setup。其余细节暂未提供。