识别代码库中的命名、架构及测试等模式，确保新代码与现有规范保持一致。适用于生成代码、审查变更或理解既有实践场景。
AntiVibe 是一个代码学习与审计框架，用于分析任意代码库（包括遗留或 AI 生成代码），提供功能解释、设计决策分析及架构审计。支持手动触发、任务后学习及主动审计场景，输出结构化 Markdown 报告以帮助用户深入理解代码逻辑与背景。
用于审查代码变更（PR、Diff、Commit等），通过读取完整文件及上下文分析正确性、安全性与规范，输出按严重程度排序的可执行反馈。
用于代码审查的 Skill，负责请求审查并执行反馈。包括分发子代理、记录 SHA、生成报告及根据严重级别处理修复或推回，确保代码符合规范与质量要求。
一种极简代码审查风格，要求每条评论仅一行，包含位置、问题和修复方案。去除冗余客套话，保留精确行号和具体修复建议，旨在提升PR反馈的可操作性与信息密度。
验证研究报告中事实声明的引用准确性、完整性和来源质量，检测幻觉并提供评级。适用于研究定稿、同行审查及发布前的合规性检查。
提供一套红队测试协议，用于在发布前对代码、文档等工件进行偏见与盲点审查。通过多视角对抗分析、偏差检查及严重程度分级，发现潜在风险并给出修复建议，确保内容质量与伦理合规。
用于对文本进行AI生成痕迹的取证分析。基于学术文献，通过词汇预测度、句式节奏、语气词密度等九类信号评分，提供结构化报告及具体证据，辅助判断内容是否由AI撰写。
调度reviewer Agent对小说章节进行结构化质量审查，生成报告并落库。处理项目根解析、合同刷新、参考加载及审查结果写入，遇阻断问题交用户裁决。
提供代码审查结构化清单，指导审查者从正确性、边界、错误处理及测试盲区维度评估PR，输出按严重度分组的 actionable 反馈，提升代码质量。
