用途：为仓库编写或审查 AGENTS.md（或 CLAUDE.md）这类编码智能体操作指南。该文件会在每次智能体会话中加载，成本随未来每次对话累积，因此应优化 token 预算与信号密度，而非追求完整。
主要能力与工作流：先测量当前文件，用 wc -l 与字符数除以 4 估算 token，超过约 150 行或约 2500 token 即标记；将每个章节分类为操作规则（保留内联）、参考资料（抽取到链接文档或工具自身的 --help/docstring）或填充内容（直接删除）；检查顺序，把影响面最大的禁令放在前约 30 行内；对剩余章节套用规则；抽取前先验证目标文档确实包含被移除的细节；最后重新测量，确认没有丢失关键内容。
规则要点：目标 100–150 行、约 2000–2500 token，硬上限约 300 行，以 token 而非行数为真实预算；硬性规则前置；每条禁令配具体替代做法；删除泛泛建议；不写代码风格散文，交给 linter/formatter；不列目录或架构；点名具体工具与命令；单主题深度内容用渐进披露；多步骤易错流程写成编号步骤，二选一用决策表；按实际出错有机增长，不预先编写；手写而非自动生成；monorepo 中把子项目细节放进嵌套的 AGENTS.md。
Bloat Scan 命令：wc -l AGENTS.md；python3 -c "t=open('AGENTS.md').read(); print(len(t), 'chars,', len(t)//4, 'approx tokens')"；grep -n '^## ' AGENTS.md；awk '{ if (length($0) > 600) print NR": "length($0)" chars" }' AGENTS.md。单条超过约 500 字符的要点是强抽取候选。
限制：资料未提供具体安装方式、收费、平台支持或效果数据；规则来源研究见 REFERENCE.md。