[Zhong-fan]

Problem

较便宜的 worker 模型遇到推理瓶颈时，可能反复尝试却不再获得新证据。仓库缺少统一说明：何时向更强模型咨询、传递哪些信息，以及收到建议后如何继续验证。

Value

让 worker 只针对具体难点使用更强模型的推理能力，并继续负责实现和验证，减少无效重试和整项任务交接。

Approach

• 新增与 provider 无关的 advisor 技能，根据调查是否产生新证据、是否存在矛盾及下一步试验成本判断咨询时机。首次失败本身不触发咨询；已有明确下一步时继续自行处理。
• 定义包含目标、观察事实、尝试与结果、当前假设、约束和具体问题的简短请求，要求 advisor 提出能区分剩余假设的最小试验及预期结果。
• 优先选择适合当前难点、推理能力更强的 advisor；模型和调用方式交给现有集成技能，并遵守权限与成本限制。
• 明确调用失败和重复／递归咨询的停止条件。建议作为待验证的假设，worker 保留实施和验证责任。
• 添加七个行为评测场景并更新 README 技能目录。

Validation

• Windows 和 Ubuntu（WSL）的 python -m unittest discover -s tests -v 均为 77 项通过；python scripts/update_readme_skills.py --check 通过。
• Windows 的技能元数据检查、打包和 gh skill publish --dry-run 通过；dry-run 没有发布技能。
• 子 agent 独立评审覆盖七个场景及额外的权限、循环和 advisor 不可用情况，最终复审没有新问题；这是评审者可见预期行为的非盲评。
• 通过平台原生 agent 工具实际调用较便宜的 worker 和更强的 advisor，没有提供评测预期答案。worker 先检查源码，在原因明确时不咨询；面对未决的并发设计取舍时，发送一次限定诊断请求，收到建议后自己运行局部 SQLite 实验。

77 项既有测试验证仓库工具，不证明模型的推理行为。首次烟测的过早咨询未计为触发判断通过，后续重新验证了上述两种情况。局部实验不证明生产缓存协议或 Windows mmap／崩溃恢复正确；外部 CLI 集成未验证，GitHub CI 尚未运行。

Impact

仅新增 skills/advisor/SKILL.md、skills/advisor/evals/evals.json 并更新 README 技能目录。现有 provider 调用工具、命令参数和权限机制不变。

Fixes #43.