指导重构代码，从最终目标状态出发消除技术债。通过删除无调用的兼容代码、整合共享逻辑、优化组件结构及命名，去除历史包袱与意外复杂性，提升代码清晰度与维护性。
一种非破坏性的代码重构分析协议，强制先诊断后修改。通过生成包含死代码、复杂度及性能问题的“物料清单”报告，量化重构影响，确保在用户批准后才执行实际代码变更，降低重构风险。
自动化提示词优化技能，通过执行Python脚本进行提示词审查、重构及设计。支持单提示词、生态系统、新建场景和问题修复等多种优化范围，旨在提升AI交互质量。
用于在实现后根据学习成果协调修订 Ralph 规格文档。作为协调者，将具体修订任务委派给子智能体，确保需求、设计和任务文件的级联更新与一致性。
简化代码、文本或计划，在保持原有意图和行为不变的前提下，消除意外复杂性、重复逻辑、命名不清及不必要的分支。要求变更微小并验证结果，最后报告简化内容和验证情况。
提供Clean Code原则指导，包括DRY、KISS、YAGNI及命名规范。用于代码重构、提升可读性、简化复杂度及维护性审查。
提供语言无关的编码原则，涵盖可维护性、可读性、函数设计及错误处理。用于指导代码实现、重构和质量审查，确保代码简洁、清晰且易于长期维护。
自动审计与优化 Agent 性能。通过审查日志识别高影响问题，修复技能、提示词或配置缺陷；执行全面审核以评估可靠性并应用安全修复，旨在提升系统质量与稳定性。
用于基于运行证据和反馈，规划并仅在批准后对现有 Agent Skill 进行结构性升级。通过两阶段审批确保变更安全，支持多平台且聚焦技能优化而非创建新技能。
引导开发者采用极简主义，优先复用、使用标准库或原生特性，拒绝过度设计和样板代码。通过YAGNI原则和层级决策树，实现最少代码的最优解，适用于各类编码任务。
旨在简化代码以提升可读性和可维护性，同时严格保持原有行为不变。适用于重构复杂逻辑、优化嵌套结构及统一项目规范的场景，强调清晰优于技巧。
通过深度访谈用户明确重构目标、范围及测试策略，将代码重构拆解为保持系统可用的最小提交步骤，并生成包含问题陈述、决策文档的详细计划作为 GitHub Issue。
