用途：设计仓库原生的智能体上下文，使其可移植、高信噪比且可维护，涵盖上下文模型、迁移路径、成熟度评估与上下文图谱规范。适用于搭建或现代化 AGENTS.md、CLAUDE.md、Copilot 指令、钩子与规则层，把临时提示迁移为持久上下文，划分常驻上下文与按需文档，构建上下文图谱与加载分层模型，并规划单仓库或多仓库的 AI 辅助开发成熟度路径。
主要能力：提供三层知识库模式（热层指令、编译式 Markdown 知识层、原始证据层）；上下文图谱生成与校验，含热层陈旧检查与取代完整性检查；查询支持节点、影响、排名、PPR、分层预算等模式，命令如 python3 scripts/query_context_graph.py <graph> --help；提供框架选择矩阵、多仓库策略、受监管环境模式等参考。
使用方式：先识别工具链、仓库形态与需影响的行为，定义 AGENTS.md 可移植基线，再按需添加运行时专属层（.claude/rules/、.codex/agents/、.cursor/rules/ 等），安装规格、计划、钩子、子代理与索引页，运行文档放置与上下文卫生检查，校验图谱、新鲜度、链接与矛盾，最后评估成熟度决定下一步。
适用场景：单仓库或多仓库的 AI 辅助开发落地、编译式仓库知识库运营、规格驱动开发、受监管环境的可审计上下文治理。
限制：资料未提供具体收费、价格、平台支持范围与效果数据；部分脚本参数与参考文件需查阅仓库原文。避免把大量策略塞入常驻指令、在基线稳定前堆叠运行时规则、把编译知识库当静态文档、为每个答案新建孤立 Markdown 文件，以及先摘要原始证据再检索。