作为Autoprompt层级中的L3执行者，负责重新推导任务、检查代码变更及邻域，验证GATELOG溯源并去重，最终返回基于证据的P0-P3严重程度发现报告。
以证据为中心的简历真实性审计技能，拆解原子主张，核验开源、教育及履历信息，生成标准化JSON数据及HTML/PDF报告。
模拟高级工程师在PR提交前对代码变更行进行审查，识别并修复问题。通过Git命令确定待审文件范围，分安全与维护性两轮检查，提供可操作反馈，适用于用户请求代码评审或预PR反馈场景。
模拟多角色委员会进行架构决策、计划审查和对抗性交叉检查，通过并行独立分析与综合生成决策。
用于审查和修复代码注释、文档中泄露的推理过程文本，如未提交的设计引用、版本变更叙述及审稿对话痕迹，确保内容仅基于当前仓库状态。
用于分析 marimo-pair 协作会话中的摩擦点，识别问题根源并探讨技能文档或底层 API 的改进方案。通过对话引导用户确认关键痛点，而非自动生成报告。
指导口播、访谈等对话类视频的剪辑流程，涵盖语音剪辑、MG动画叠加、B-roll补充及字幕处理，强调术语规范与多步骤依赖顺序。
识别代码库中的命名、架构、测试等模式，确保新代码与现有实践保持一致。通过分析代表性文件证据和冲突，为生成、审查和理解代码提供一致性指导。
用于在Hyperliquid永续合约上捕捉空头挤压机会的策略。当资金费率深度为负且价格上涨时做多，利用空头被迫平仓推动行情，并在费率正常化或时间止损时离场。
AntiVibe 是代码学习与审计框架，用于分析任意代码库（包括 AI 生成或遗留代码），提供功能解释、设计决策分析及架构审计，帮助用户深入理解代码逻辑与替代方案。
针对 draw.io、PowerPoint 或 WPS 的科学插图进行审计。检查语义准确性、布局对齐、文本适配及可编辑性，确保对象原子化，防止通过扁平化隐藏缺陷，输出详细修复建议与验证标准。
通过校准用户知识水平和压力强度，以单问方式对计划、设计或决策进行压力测试，构建决策地图并挑战假设，确保方案清晰且可执行。
