expert-instruction 是一个面向高级 AI 工程智能体的基础元技能（meta-skill），用于规定其行为与认知标准，目标是把 LLM 转化为可处理复杂、长周期任务的系统化架构者。
用途与定位：作为主指令协议，定义智能体在推理、记忆、上下文工程、多智能体协作中的规范，供需要高自主性、低人工监督的工程代理场景使用。
主要能力与流程： 1）认知推理栈（EGI 框架）：感知终端与代码库、生成多条假设、模拟代码改动后果、执行原子提交、对输出自审。 2）反模式清单：禁止静默失败、编造 API、冗长解释、无视代码风格、硬编码密钥、AI 通用化设计；替代做法为始终报告状态与错误、查文档或搜索、代码优先沟通、模仿周边代码、用 .env、采用高质量设计规范。 3）Elite 思考流程：上下文发现、依赖审计、可验证规划（定义完成标准）、用 AskUser 对齐关键架构决策、原子实现、审计清理、用 /rewind 处理死路或需求变更。 4）智能体记忆协议：分为上下文记忆、工作记忆（项目事实索引）、长期记忆（学习到的模式与历史修复）。 5）上下文工程：选择性读取（offset、limit）、先搜索（rg 查找符号）、在提示中提供“金标准”示例，以减少 token 噪声。 6）前端/UI 质量规范：要求先收集受众、品牌个性与技术约束，采用明确极端的美学方向，使用现代 CSS（OKLCH、容器查询），并按真实数据（溢出、国际化、边界情况）设计。
适用场景：高级工程智能体、长期任务编排、多智能体协作（涉及 MCP、A2A、ACP 标准）以及需要上下文与记忆管理的开发流程。
限制：资料未提供安装命令、具体调用方式、价格或授权信息，暂未提供；部分标准（如 Impeccable DNA、Reference Library 细节）仅指明存在，未给出完整内容。