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。
指导如何将直觉转化为可交付的修复方案，涵盖证据标准、假设预测及分析技巧。用于评估漏洞机制、验证结论可信度或证明修复有效性。
专注于SQL查询优化、索引策略及EXPLAIN分析，用于调试慢查询、设计高性能数据库模式及提升应用响应速度。
针对顽固bug和性能回归的诊断技能，核心在于构建高置信度的反馈循环。通过失败测试、脚本或回放等手段隔离问题，提供从环境搭建到非确定性bug处理的系统化排查方法。
用于调试和修复CI检查失败的工作流，支持识别故障、本地复现、最小化修复及发布分支处理。
用于调试代码错误、追踪异常来源及分析执行流程。通过查询错误信息、检查函数上下文、追踪调用链及自定义Cypher查询，帮助开发者快速定位bug根因并理解代码行为。
通过 Executor MCP 查询生产环境遥测数据（Axiom、Postgres、PostHog），用于排查错误、延迟、用户流失及验证部署。提供字段说明与 APL 查询示例，支持按组织归因分析。
诊断Android/iOS/macOS端与Brigade网关的连接和配对失败问题，涵盖局域网、Tailscale及公网场景，通过检查配置与日志定位根因并修复。
通过查询提交级别的 check-runs 而非 run 级别结论，准确诊断 CI 失败原因，避免遗漏被取消运行中的真实失败任务。
诊断工具，检查本地 @metaharness/kernel 版本与脚手架 manifest 是否一致。通过比较版本差异（精确匹配、补丁/次要/主要偏差）并给出修复命令，解决跨机器兼容性问题，防止因版本不一致导致的运行失败。
专注于以最小代码变更修复明确的具体问题，如CI失败或拼写错误。严格限制修改范围，禁止无关重构，强调根因定位与验证。
诊断网站故障层级的技能，通过DNS、TLS、HTTP及响应时间检查，判断站点是否宕机或仅本地网络问题，并提供具体错误原因与可复现命令。
用于排查 Python 项目依赖问题，包括导入失败、环境漂移及 pyproject 元数据。重点关注 OpenCV 与 Kornia 的声明与实际安装差异，提供 pip show 和版本检查命令以辅助诊断。
