通过 Executor MCP 查询生产环境遥测数据（Axiom、Postgres、PostHog），用于排查错误、延迟、用户流失及验证部署。提供字段说明与 APL 查询示例，支持按组织归因分析。
诊断Android/iOS/macOS端与Brigade网关的连接和配对失败问题，涵盖局域网、Tailscale及公网场景，通过检查配置与日志定位根因并修复。
通过查询提交级别的 check-runs 而非 run 级别结论，准确诊断 CI 失败原因，避免遗漏被取消运行中的真实失败任务。
诊断工具，检查本地 @metaharness/kernel 版本与脚手架 manifest 是否一致。通过比较版本差异（精确匹配、补丁/次要/主要偏差）并给出修复命令，解决跨机器兼容性问题，防止因版本不一致导致的运行失败。
专注于以最小代码变更修复明确的具体问题，如CI失败或拼写错误。严格限制修改范围，禁止无关重构，强调根因定位与验证。
诊断网站故障层级的技能，通过DNS、TLS、HTTP及响应时间检查，判断站点是否宕机或仅本地网络问题，并提供具体错误原因与可复现命令。
用于排查 Python 项目依赖问题，包括导入失败、环境漂移及 pyproject 元数据。重点关注 OpenCV 与 Kornia 的声明与实际安装差异，提供 pip show 和版本检查命令以辅助诊断。
一个用于问题诊断的编排技能，通过结构化流程引导调查、验证和求解子代理，识别根本原因并推导解决方案。
用于修复已知根因的Bug和错误行为。当具备明确失败场景、复现测试或诊断结论时执行，涵盖崩溃、API失败、数据错误等。需严格区分于新特性开发或模糊问题的诊断讨论，强调最小化改动和证据验证。
用于查询和分析NKI内核性能配置文件（NEFF/NTFF），通过neuron-explorer提供SQL查询及Python深度分析，识别瓶颈并优化内核性能。
提供系统化调试与根因分析框架，涵盖代码缺陷、CI/CD故障及性能问题。强调先定位根因再修复，通过多层验证确保解决效果，适用于各类系统级调查与错误排查场景。
提供基于根因分析的四种阶段调试方法论，强调在修复前必须查明原因。涵盖故障排查、测试失败修复及行为异常调查，指导用户通过系统化的假设验证与模式分析定位并解决深层问题。
面向LLM智能体强化学习训练的故障诊断与实验设计指南，涵盖PPO/GRPO等算法及评估指标异常排查，提供基于知识库的根因分析与修复建议。
诊断 KKTerm 中 HTTPS、API 连接及代理访问时的 TLS 证书问题，包括过期、不信任根、主机名不匹配及握手失败等错误。
