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、实验对比及性能分析。适用于PyTorch和TensorFlow框架，帮助开发者直观理解模型行为并优化训练过程。
提供Protocol D系统化调试框架，指导通过阅读、隔离、查阅文档、假设和验证步骤解决代码错误。适用于遇到报错、崩溃或陷入困境时，帮助排查问题根源。
专注现有代码逻辑故障的根因分析与修复，禁止开发新功能。通过自动化调试循环、反射检查及策略回滚机制，确保修复方案直击架构缺陷并符合清洁代码标准。
用于检测 Entra ID 用户账号的范围漂移，通过对比90天基线与近期行为，计算加权漂移分数并关联安全日志，识别渐进式权限扩张或异常行为。
针对AReaL分布式训练（FSDP2/TP等）的调试指南，涵盖死锁、结果错误、OOM及通信异常。提供最小复现策略、环境配置、堆栈分析及具体排查步骤。
提供Kubernetes YAML资源的综合验证工作流，涵盖语法检查、Schema校验及集群Dry-Run测试。严格只读模式，生成包含修复建议的报告，不直接修改文件，适用于部署前的配置审计与错误排查。
指导在修复前复现故障、修复后验证解决状态，规范BEFORE/AFTER文档记录，并检测测试中的Mock滥用反模式，确保修复真实有效。
用于解决客户端（安卓App、浏览器JS、桌面端）签名加密导致无法直接重放的问题。通过逆向分析恢复请求逻辑，实现Burp稳定重放，支持授权渗透测试与API安全验证。
修复 PageSpeed Insights/Lighthouse 中因对比度审计失败导致的性能与 SEO 错误，提供 CSS 过滤、透明度及颜色格式等问题的排查与修复方案。
用于处理 OpenKnowledge 故障报告与调试。通过 ok bug-report CLI 自动收集并脱敏诊断日志、系统信息及 IPC 错误，生成结构化 ZIP 包供用户提交 GitHub Issue，并提供版本过低时的更新建议及手动排查回退方案。
提供性能优化策略、剖析技术及瓶颈识别方法。用于提升应用速度、降低资源消耗及诊断性能问题，涵盖测量、定位热点、实施修复等流程。
指导如何将直觉转化为可交付的修复方案，涵盖证据标准、假设预测及分析技巧。用于评估漏洞机制、验证结论可信度或证明修复有效性。
提供SQL查询优化、索引策略及EXPLAIN分析技能，用于调试慢查询、设计高性能数据库架构及提升应用响应速度。
针对顽固bug和性能回归的诊断技能，核心在于构建紧密的反馈循环以快速定位问题。通过测试、脚本或重放等手段验证假设，提升复现率并缩小排查范围。
用于验证DART 3D场景及物理模拟正确性的技能，通过文本指标与无头渲染图像结合进行调试、审查和基准测试。
