协调多角色智能体进行结构化辩论，模拟历史思想家或专家组合，对复杂问题进行深度分析与综合裁决。支持自定义成员、快速模式及项目配置覆盖。
基于Sentry会话回放分析特定产品区域的UX模式、痛点和用户旅程。通过搜索外部用户回放并提取详细行为数据，辅助进行用户体验研究和审计。
计算 GitHub 仓库在指定时间窗口内的 Star 增长速率。通过分页获取 stargazers API 数据，处理排序陷阱与异常校验，输出当前 Star 数、窗口内新增数及每小时/每日增速。
从网站提取符合特定JSON Schema的结构化数据，支持嵌套、分页及验证，确保输出格式严格匹配。
驱动记忆系统迭代进化，分析历史结果并设计实现3个新机制的记忆系统候选项。禁止参数调优和过早终止，强制在主干会话中完成原型设计与编码，确保探索与利用的平衡及泛化能力。
指导代理跳出当前代码细节，提升抽象层级以获取更广阔的上下文。适用于不熟悉特定代码区域或需理解模块间关系及整体架构映射的场景。
用于调研PDF.js、pdf-lib和PDFBox等参考库中特定功能的实现方式，分析其模式、优缺点及边界情况，最终输出研究文档以指导自身库的开发决策。
分析AI提示词模式与接受率，通过查询本地SQLite数据库评估代码采纳率。支持按用户、团队或时间范围聚合统计，并提供基于子代理的逐条内容分析与分类功能。
分析用户提供的操作历史，识别重复性人工劳动（Toil），基于频率、成本和错误率进行量化评分并生成优先级报告，为自动化优化提供数据证据。
提供对抗性代码理解能力，用于安全研究。通过映射架构、追踪数据流和挖掘漏洞变体，在静态分析前或同时构建代码的真实上下文，辅助扫描结果验证及提升检测准确性。
执行多源深度研究并生成结构化报告。通过检查记忆、澄清范围、网络搜索及学术检索收集信息，综合关键发现与开放问题，引用来源并保存结果至记忆，提供可操作的详细研究报告。
用于对特定话题进行初步调研，生成包含调研对象列表和字段定义的框架。通过模型知识、Web搜索及用户交互，输出结构化outline和fields文件，支持后续深度调研。
用于指导进行技术调研并生成研究报告。通过解析配置、加载上下文，结合网络搜索与领域知识，协作产出包含叙事和引用的完整技术文档。
