用于诊断Seedance 2.0视频生成失败原因的技能。针对模糊、抖动等异常，通过诊断树和机制分析定位根因（如模式不匹配、注意力稀释），提供修复方案而非简单重写，旨在挽救创意并恢复用户信心。
通过分析 Copilot CLI 会话的本地事件日志，排查请求耗时、工具调用异常或文件未加载等意外行为。
用于调查并修复跨框架和CI系统的间歇性失败测试。通过分析CI日志、代码及环境特征定位根因，提供高置信度的修复方案，严禁跳过测试或伪造原因，确保CI最终通过。
通过注入fetch日志调用并发送至本地HTTP服务，实现代码深度调试。支持创建通道、构造URL、注入带区域标记的监控代码、读取JSONL日志及清理残留代码，确保调试过程安全可控。
指导如何系统化优化应用性能，强调先测量后优化的原则。涵盖前端Core Web Vitals及后端响应时间的分析与修复流程，防止过度优化。
提供基于SHAP值的机器学习模型可解释性方案，涵盖Explainer选择、特征归因计算及多种可视化方法，用于解释预测、调试模型和分析公平性。
针对 Zoom 认证、API、Webhook 或 SDK 问题的调试技能。通过定位故障层、收集关键证据、分析可能原因并提供验证方案，帮助用户高效排查问题。
DCG是一个高性能Rust钩子，用于在Claude Code中拦截并阻止AI代理执行的破坏性命令（如rm -rf、git reset --hard等），通过白名单优先架构和SIMD加速提供亚毫秒级安全防护。
诊断和修复 Canvasight 插件、MCP、原生组件就绪、主机桥接、守护进程及安装缓存等运行时问题，提供标准化排查清单。
诊断 ChatCut 插件工具故障、变异拒绝及导入生成渲染错误，指导正确重试与状态处理。
用于问题分析和根本原因调查的技能。通过执行Python脚本直接启动调查流程，专注于识别问题的成因而非修复方案，要求立即调用脚本并遵循其输出。
TensorBoard是用于机器学习可视化的工具，支持训练指标监控、模型调试、实验对比、图结构可视化及性能分析。适用于PyTorch和TensorFlow框架，帮助开发者直观跟踪损失、准确率等数据并优化模型。
