提供三种LLM输出压缩等级，通过去除语法冗余降低40-70%Token成本。适用于Agent管道、日志及多轮对话等场景，明确区分适用与禁用领域，平衡机器解析效率与人类阅读体验。
将 Swift XCTest 测试套件迁移至现代 Swift Testing 框架，或优化现有测试结构。提供导入、类转结构体、生命周期及断言映射等具体迁移指南。
指导在视频稳定功能中处理特征跟踪、光流及变换拟合的开发工作，规范OpenCV后端选择与降级策略。
指导编写高质量的Java单元测试，基于JUnit 5和AssertJ框架。涵盖测试类与方法的命名规范、AAA模式结构以及集合断言等最佳实践，旨在提升测试代码的可读性、可维护性和覆盖率。
用于审核SwanLab Python SDK的Pull Request。通过本地隔离环境检查API、生命周期、安全等变更，生成结构化审查意见草稿，仅在用户确认后向GitHub提交PR Review结论。
全栈构建编排技能，依据任务文件名模式将工作流路由至前后端专家代理。强制执行审查解决与质量修复流程，自动解析工作计划并批量处理提交，确保多阶段交付物的正确性与一致性。
用于在Uniswap v4多链上生成、模拟审计并部署Hook。支持预审计模板或自由构建，默认测试网干运行，主网需双重确认及资金检查，确保部署安全。
在Base链上通过AI评分机制猎取Verdikta赏金。支持发现高价值任务、撰写符合标准的报告并排队提交，或仅进行结算与干跑验证。内置严格的ETH支出上限和专用钱包隔离机制以保障资金安全。
处理 monorepo 架构下的多包协作，涵盖 pnpm workspace 配置、依赖管理、Turborepo 构建缓存及跨包协调问题。
LLM及多模态推理服务系统开发技能，涵盖vLLM/SGLang等框架适配、多硬件后端优化及算法实现。
指导在VLDB系统论文提交前确保实验可复现性，涵盖硬件软件披露、方差控制、基线公平性及数据追溯。
提供OpenLoomi本地桌面应用的HTTP API参考，涵盖认证、AI、RAG、记忆、Loop等36个模块的131个路由，用于后端集成与开发。
用于通过Context7或llms.txt脚本检索库和框架的技术文档、API说明及特性分析，提供自动化的查询分类、内容获取与结果分析工作流。
实现Agent记忆全生命周期管理，包括会话归档、知识图谱同步、过期清理及智能压缩。通过Cron定时任务自动化维护记忆库健康，提升信息检索效率与存储利用率。
指导将HuggingFace模型移植到Core AI Zoo的技能。涵盖前置评估、PyTorch重写、导出为.aimodel、双重门控验证及压缩发布流程，确保数值一致性。
