用途：为多个仓库建立统一知识中枢。默认采用两层结构：原始来源捕获层，加上由 LLM 维护的编译型 Markdown 中枢（含画像、概念页、反向链接与派生报告）。它负责仓库发现、高信号提取、跨仓库推断、产物集生成与知识图谱组装；不替代单仓库上下文或代码图谱工作。单仓库上下文用 dev-context-engineering，单仓库符号/文件图谱用 dev-context-code-graph，规格与决策文档用 docs-ai-prd。
主要能力：仓库发现与组合形态分类（scripts/discover_repos.py）；扫描为标准画像（scripts/scan_repo.py、scripts/scan_portfolio.py）；构建标准产物集（scripts/build_artifact_set.py）；构建与校验图谱（scripts/build_knowledge_graph.py、scripts/validate_graph.py、scripts/check_graph_consistency.py）；按证据校准边权重；图谱查询支持 --node、--from、--impact、--rank、--ppr、--communities；Louvain 社区检测与摘要；双时态时间切片查询（--as-of、--known-at）；漂移与新鲜度检查（scripts/report_drift.py、scripts/check_hub_freshness.sh）。
使用方式：默认产物集为 profiles/<repo>.json、catalog/<repo>.md、graphs/system-edges.json、graphs/knowledge-graph.json、reports/coverage.md、reports/drift.json。流程为：盘点并分类仓库，先索引原始证据，只读高信号清单、文档、CI 与 schema，归一化为每仓库一份 RepoProfile，增量编译 Markdown 中枢，生成图谱产物，再用词法检索、图路径、PPR 或社区检测查询，最后校验覆盖度、新鲜度与一致性。可复制空白中枢：cp -r assets/hub-scaffold ~/repos/requirements-hub，随后按 assets/hub-scaffold/context/scripts/README.md 的命令序列执行。
适用场景：多服务或多仓库的总上下文仓与文档中枢、新人上手、迁移规划、架构评审、RAG 知识库、为既有协调中枢补充知识图谱、100+ 仓库组合的增量维护。
限制：结构化元数据优先于叙述；每仓库一份规范画像；知识未覆盖时应标注 verified、subset-verified、inferred 或 unverified；不要把符号级图谱并入组合图谱；具体实现细节、收费与平台支持暂未提供。