诊断 diffsitter 生成错误或不预期 diff 输出的问题，通过追踪从解析、AST 处理到 hunk 生成的完整流水线各阶段来定位根源。
n8n验证专家，解读并修复验证错误。指导处理缺失字段、类型不匹配等报错及警告，区分误报与真错，通过迭代循环优化工作流配置直至有效。
用于调试和优化Android/Gradle构建性能，分析慢构建、CI/CD性能及编译瓶颈。通过生成构建扫描、识别配置与执行阶段耗时，应用缓存、并行化等优化策略提升构建速度。
用于修复并验证已确认的安全漏洞，生成最小化且经过测试的代码补丁。通过复现问题、分析攻击路径并确保兼容性，实现安全边界闭合，若代码已安全则报告无需变更。
遵循“先定位根因后修复”原则，通过四阶段系统化流程（调查、分析、假设测试、实施）排查代码缺陷、测试失败及构建错误，强调科学调试与架构反思。
用于诊断Seedance 2.0生成失败（如模糊、抖动、违规等）的技能。通过机制分析定位根因，提供修复建议而非重写提示词，旨在恢复用户信心并解决技术故障。
通过解析 Copilot CLI 会话的事件日志，调查并解释代理行为异常、请求延迟、工具调用失败或文件未加载等问题，基于证据进行分析。
用于调查并修复跨框架和CI系统的间歇性失败测试。通过检测环境、获取CI日志定位根因，提供高置信度的代码修复方案，严禁跳过测试或臆造原因，确保CI构建最终通过。
通过注入结构化日志代码到用户应用，将调试信息发送至本地HTTP服务器并记录为JSONL文件，支持创建通道、读取分析、清理残留代码等完整调试流程。
指导性能优化工作流，强调先测量后修复。涵盖前端Core Web Vitals与后端APM监控，提供Lighthouse及RUM工具使用示例，识别瓶颈并防止回归。
基于SHAP框架解释机器学习模型预测，提供特征归因、局部与全局解释及可视化。适用于调试模型、审计公平性、对比特征重要性及向利益相关者展示可解释性结果。
用于调试 Zoom 集成中的认证、API、Webhook 或 SDK 问题。通过识别故障层、收集证据、提供假设和验证计划，快速定位并解决技术问题。
用于诊断和修复 Canvasight 插件、MCP 传输、原生组件就绪状态、宿主桥接及安装缓存等运行时问题，提供标准化排查清单与恢复步骤。
诊断ChatCut插件工具失败、变异拒绝及导入生成错误，提供结构化重试与状态同步策略，确保操作合规。
分析Chrome、Electron等性能追踪文件，定位渲染卡顿和布局抖动瓶颈。通过证据链从触发点到源码级根因，区分事实与推断，提供安全修复方案并验证效果。
