用于审查代码、提示词或技能中是否存在针对测试场景的特调生产逻辑，防止作弊。通过对比测试与生产环境差异，识别并报告违规内容，不直接修改代码。
针对已有散文、章节或手稿进行诊断、评分、对比及修订建议的审稿技能。依据题材和读者标准识别规范，展示具体问题与严重程度，仅在授权时修订，保留用户风格并最小化修改范围。
对已完成的功能变更执行最终审查，按顺序串联重构、代码审查和文档更新三个环节，确保代码结构、逻辑正确性及文档完整性，给出综合验收结论。
基于LLM分析文案原创度与素材版权风险，识别洗稿、侵权及引用不规范问题。适用于查重、原创检测、版权风险评估场景，输出定性风险报告与改进建议。
对单个网页进行深度SEO分析，涵盖页面元素、内容质量、技术元标签、结构化数据及图片优化，并提供评分卡和具体改进建议。
作为Autoprompt的L3执行者，负责在独立上下文中重新推导任务，检查代码变更、可观测性及安全性缺口，验证GATELOG溯源，并返回带证据的P0-P3严重性发现。
简历真实性审计技能，将简历拆解为原子主张，通过核验开源贡献、教育背景及业务指标等公开证据，生成包含支持、矛盾或不可核验结论的结构化报告。
通过持续追问和构建决策树，对用户计划或想法进行压力测试。以轮次方式提出待决问题及建议答案，自动查找事实并等待用户决策，直至达成共享理解。
对抗性代码审查技能，用于评估PR的正确性、根因分析、简洁性及可维护性。通过追溯状态流和契约，识别冗余代码与低质量测试，判断是否需重构，确保方案符合第一性原理并达到合并标准。
协助用户操作、排错和脚本化Berd桌面应用，涵盖设置、代理、自动化及berdctl命令等。强调基于证据验证而非记忆，明确范围仅限应用层，排除特定harness内部行为。
