用于委派只读调查、调试、审计、搜索或代码理解任务给子代理，并综合其结构化报告。通过分解问题、并行调度多个独立视角的 Worker 收集证据，避免直接读取文件，确保调查结果的客观性和全面性。
提供Archestra系统故障排查指南，涵盖Sentry、Tempo等工具使用及连接压力、部署漂移等故障分类，指导定位后端错误、DB连接问题及K8s运行时异常。
提供OpenChatCut工具调用时的已知错误修复指南，涵盖编辑形状、时间线重叠、路径限制、媒体导入及动效规范，辅助Agent快速定位并解决API异常。
性能分析技能，指导系统化测量与剖析以识别瓶颈。遵循先测量后优化原则，涵盖基线建立、多层级剖析（应用/系统/基础设施）及瓶颈分类，确保基于证据的优化建议。
提供在真实FUSE环境下调试computerd的端到端流程，通过Docker容器隔离内核级死锁与同步问题，绕过常规单元测试以复现生产环境Bug。
用于诊断 diffsitter 生成错误或不期望 diff 结果的问题。通过追踪从解析、AST 处理到 hunk 生成的完整流水线，定位各阶段（如语言检测、语法解析、节点过滤等）的潜在缺陷并提供调试方法。
系统化排查代码缺陷、测试失败及构建问题的技能，强调先定位根因再修复。通过四阶段流程确保彻底解决，避免盲目修补，并在多次尝试失败后触发架构级升级审查。
使用 electron-minidump 将 VS Code 原生崩溃转储文件符号化，生成可读堆栈跟踪以定位缺失方法名。需 macOS/Linux 及特定权限。
用于系统性调试和根因调查的技能，通过调用上游 gstack 克隆的 investigate 模块执行深度分析。
用于调试 Zoom 集成中的认证、API、Webhook 或 SDK 问题。通过识别故障层、分析错误证据并提供假设和修复步骤，帮助用户快速定位并解决技术难题。
诊断 ChatCut 插件工具故障、操作拒绝及导入生成失败，提供基于当前 MCP schema 的错误处理与重试策略。
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及通信故障。提供最小化复现策略、环境配置及py-spy分析步骤，辅助快速定位多卡训练问题。
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。
