执行KiwiDesk项目的完整验证门禁，包括调试构建、测试和代码检查。仅在变更触及并发相关代码时运行发布构建。旨在提交或PR前确保代码质量与合规性。
指导如何优化DeepSeek Harness性能，通过测量用户路径、分析瓶颈并提供基于证据的修复方案。
通过普通任务板运行代表性能力冒烟测试，验证 lane、adapter 等变更后的功能正常性。要求执行实际 CLI/MCP 操作及负向检查，严格依据回执和产物判定结果，确保安全性与准确性。
提供在集成第三方库或API前验证外部行为的探针方法，通过实际调用确认参数、响应和状态，防止因错误假设导致的集成Bug。
提供 CLI 运行时验证方案，通过隔离 DB 和 launcher 脚本确保测试安全。涵盖数据播种、功能流观察及错误路径处理，防止污染真实数据库。
对 Ollama、llama.cpp 等后端适配器进行生产级冒烟测试，验证真实运行时进程与模型工件的集成，确保生命周期及安全性。
用于运行、校准和比较基于 Aider Polyglot 语料库的编码 Agent 评估基准测试，支持 Capstan 与 OpenCode 对比及性能测量。
用于审计DSH两个版本间的兼容性变更，检测破坏性更新与回滚。支持源码或npm包模式，分析外部可见API、CLI及协议变化，生成升级报告以评估升级安全性。
对抗性代码审查技能，预设构建物存在缺陷，通过隔离上下文的多视角子代理（正确性、安全等）主动攻击目标，并强制在真实环境中复现问题，以发现潜在漏洞和错误。
针对 traceway-cli 的集成测试技能，在用户显式请求时运行端到端验证。补充 Go smoke suite 未覆盖的真实数据详情、TTY 渲染及自适应指标发现，生成覆盖率报告，严格遵循只读安全约束。
对比 ty、pyrefly、basedpyright 等 Python 类型检查器，通过运行代码片段或文件并汇总报告，辅助判断类型推断结果及差异。
生成用于压力测试的Excel工作簿，覆盖Workbook、Sheet及各类对象层级的内容类型。旨在测量解析器完整性并支持回归测试，包含多种格式支持和确定性种子生成。
