用于发布前审核与构建验证，检查版本一致性、静态分析、测试套件、原生侧车组件及桌面安装包完整性，确保仅执行只读校验而不进行发布操作。
用于为PR设计、实现和验证端到端集成测试，将修复转化为回归覆盖，审计现有测试覆盖率，并更新发布清单。
在无 Docker 环境下，通过运行指定版本的 CLI 并配合 Stub 服务器，验证 Harness 变更及环境变量注入的正确性。
用于在 iOS、Android 模拟器及移动 Web 上对 TrueSheet 进行端到端测试。通过构建安装应用，驱动界面并收集像素、事件日志等证据，验证功能正确性、回归情况及性能表现。
用于验证社区 Skill 交付功能的合成指令型技能，通过读取探针文件测试资源访问能力，不执行命令。
用于在官方Docker镜像中运行SWE-bench实例，自动拉取镜像、启动容器并执行Agent生成代码补丁，支持验证补丁是否解决Issue及评估性能。
提供服务器端模板注入（SSTI）的渗透测试方法论，涵盖多引擎指纹识别、探测探针、利用链及WAF绕过技术。
用于授权范围内的Windows域渗透与Active Directory安全测试，涵盖Kerberos、AD CS、BloodHound路径分析及提权研究。
通过 ApexGuru API 对 Salesforce Apex 项目进行性能扫描，检测 SOQL/DML 循环等反模式，并输出详细修复建议。
模拟真实用户进行应用QA，覆盖手动测试、UX漏洞挖掘及构建验收。生成结构化Bug报告、P0/P1/P2分级、HTML仪表盘及YES/NO发布签字，支持多工单系统同步，确保产品质量。
指导设计全面测试策略，涵盖现代测试金字塔分层、基于风险的测试方法、覆盖率目标及CI集成流程，旨在早期发现缺陷并随产品扩展。
从图像、文档和视频中提取并验证证据，避免冗余检查。通过结构化定位、原生解析及针对性复核，确保事实输出可追溯且覆盖所有请求项。
指导为 bench_env 任务编写离线裁判测试用例，涵盖正例自然语言规范、反例模式选择及混合任务覆盖，确保测试有效性与边界场景完整性。
