智能适配用户技术栈，动态学习工具偏好，在尊重选择的同时保持开放扩展能力。
说明：
## 核心用法
Tools 技能构建了一套**自适应工具智能系统**，核心机制围绕四个动态维护的区块：
– **Stack**：记录用户当前活跃使用的工具（格式：`category: tool`）
– **Preferences**：定义特定场景下的工具选择策略（格式：`context: tool or approach`）
– **Open To**：标注用户对新工具的态度和接受度特征
– **Avoid**：记录用户明确拒绝或偏好的工具
运行时遵循三层决策规则：存在已知工具时优先采用；发现显著更优替代方案时主动提议；面对未知工具时即时学习，零摩擦接入。
## 显著优点
1. **无边界扩展**：明确声明「Empty stack ≠ limited」，能力不随配置空白而收缩
2. **渐进式学习**：工具偏好通过交互自然沉淀，无需预设完整技术图谱
3. **双向优化**：既尊重用户既有习惯，又保持技术选型的进化通道
4. **上下文感知**：结合 `dimensions.md` 分类体系和 `criteria.md` 触发条件，使建议具备结构化依据
## 潜在局限
– 学习质量依赖用户反馈密度，冷启动阶段可能需多轮校准
– 未内置工具评估的客观标准，”显著更好”的判断存在主观性
– Avoid 列表为负面清单，但缺乏对”暂时回避”与”永久禁用”的区分机制
– 多工具场景下的组合优化逻辑未显式定义
## 适合人群
– 技术栈处于演变期的开发者与团队
– 需要跨领域协作、频繁接触异构工具链的角色
– 追求”默认智能”而非”配置驱动”体验的效率型用户
## 常规风险
偏好数据形成隐性路径依赖，长期可能弱化用户对新工具主动探索的意识；Avoid 列表若积累过多，存在过度窄化技术视野的潜在可能。建议定期审视 Open To 维度的开放性是否衰减。
会员专属
