基于GitNexus的代码调试技能，通过query、context、trace等工具分析错误症状、追踪调用链及数据流，辅助定位Bug根因。
提供生产环境遥测数据查询能力，涵盖Axiom链路追踪、Postgres及PostHog分析。通过Executor MCP访问，用于排查线上错误、延迟、使用率及验证部署效果，包含字段说明与APL查询示例。
指导在Windows或Linux新平台上部署和调试测试探针，提供分层排查步骤以隔离跨平台兼容性问题，涵盖路径、权限及远程执行等常见陷阱。
解析CI失败日志，识别故障环节并分类为波动、回归、环境或配置问题。用于自动化巡检循环中，在尝试修复前进行初步诊断与分流，避免无效代码修改。
用于清理长期AI代理中过时、错误或矛盾的累积记忆。通过审计信念、区分真伪、保留有效信息并记录变更，解决因现实变化导致的代理行为偏差问题。
用于排查 OpenCV/Kornia/ComfyUI 依赖冲突、导入失败及环境漂移。通过检查 pyproject.toml、直接导入及 venv 共享问题，验证包元数据与运行时行为差异，提供诊断命令以解决依赖声明与环境不一致问题。
该技能用于系统化诊断问题，通过编排调查、验证和求解子代理，识别根本原因并生成解决方案。支持变更失败与新发现分类，结合规则顾问分析，迭代优化直至覆盖充分，最终输出结构化报告。
修复已知根因的Bug，涵盖错误、崩溃及逻辑缺陷。需有明确证据或测试，避免猜测。流程包括路由诊断、最小化修复、独立验证及清理，防止无效重试。
用于查询和分析NKI内核性能配置文件。支持通过neuron-explorer API执行SQL查询，或利用Python对Parquet文件进行深度分析，以识别性能瓶颈、计算性能边界并定位低效代码行。
提供系统性调试与根因分析框架，涵盖代码级Bug修复、系统级故障排查及性能诊断。强调先查根因后修复，包含防御性验证与日志CI分析，确保问题彻底解决并规范报告输出。
