运行和校准基于Aider Polyglot语料的编码代理评估，支持多模型对比、性能测量及公平基准测试，确保结果可复现。
SEO漂移监控工具，用于捕获页面SEO关键元素的基线，检测变更并追踪回归问题。支持对比历史快照、查看变更历史及评估影响严重性，帮助维护SEO稳定性。
用于驱动 Silo 桌面应用进行运行时验证，通过 RPC 桥接执行命令、评估 DOM、截图及管理工作区。严格在沙盒环境中操作以隔离真实数据，支持启动或附加到已运行实例，捕获 GUI 证据供 verify skill 判定。
用于评估模型在基准数据集上的回答质量，支持6种评估类型和LLM语义判断，生成评分及统计结果。
强制在声明任务完成前执行实时验证，确保测试、构建或修复结果基于当前消息中的新鲜证据，防止未经验证的错误交付。
作为独立验证器，对代码变更执行运行时验证。通过运行真实前后对比测试、回归检查及对抗性输入，确保目标测试通过且无回归，并保证变更行覆盖率不低于95%，最终输出验证结论与详细报告。
指导测试驱动开发(TDD)实践，涵盖红绿重构循环、良好测试标准、接缝选择及反模式规避。用于构建或修复功能时优先编写集成与单元测试，确保测试验证行为而非实现细节。
提供命令行工具自动化浏览器交互，支持页面导航、元素操作（点击、输入）、截图及状态管理。适用于Web测试、数据采集和前端调试场景。
针对 traceway-cli 的端到端集成测试技能，通过调用真实服务器验证 CLI 在实时数据、TTY渲染及自适应指标发现等方面的表现，并生成覆盖率报告。
提供IntelliJ IDEA代码库中JUnit 5测试编写的规范，涵盖注解使用、生命周期钩子、资源管理及EDT执行等最佳实践。
生成用于测试Excel解析器完整性的压力测试工作簿，覆盖公式、图表等所有类型，支持回归测试。
提供 mlx-serve 基准测试方法论，规范使用 bench.sh 和 llmprobe 进行性能测量。强调对比陷阱、热节流影响及引擎命名规则，确保性能声明的准确性与可复现性。
ReadAware Agent 评测流水线，支持自动化回归测试、多模型对比及人工质性评审。通过 CLI 运行套件并生成报告，利用 Eval Viewer SPA 进行可视化分析与评分，确保模型在真实阅读场景下的行为质量与发布标准。
用于录制浏览器或Web UI交互演示的优化GIF，支持基于状态的帧捕获和确定性编码。在涉及GUI变更的PR中强制使用真实服务器录制，并通过assets分支工作流发布，确保演示的真实性与可追溯性。
通过 ADB 控制真实 Android 手机，执行自动化操作如点击、滑动、截图及应用交互。适用于明确指定的移动端测试或操控场景，强调安全限制与物理设备连接。
