用于游戏逆向与模组开发的共享知识库技能。支持搜索历史经验、记录工作日志、撰写标准化技术笔记及提交PR，旨在沉淀引擎细节与踩坑指南，促进Agent间知识复用。
Jevgrep用于通过自然语言查询代码库的行为逻辑、生命周期及系统交互，定位功能入口和源码片段。适用于理解代码行为而非符号匹配或文件列表查找，支持子代理调用以发现仓库行为。
分析Dia浏览器内部架构，逆向其Bun/TS代理服务器及Swift原生代码。通过提取源码映射、解析符号和沙箱机制，研究AI代理的IPC通信与本地执行模型，为termio等工具提供技术参考。
通过Bazel调用工具查询IntelliJ插件模型、模块依赖及产品信息，支持依赖分析、重构评估等。
用于查询Rust版本、Crate信息及API文档的助手。支持获取最新版本、Changelog及依赖详情，通过调用子Agent或MCP工具自动检索lib.rs、crates.io和docs.rs数据。
提供将假设转化为可信结论的研究方法论，涵盖证据标准、假设预测及分析技巧。用于评估bug机制、验证修复有效性及确保调查结论的可靠性。
在编码前通过并行研究代理扩展TaskMaster任务，读取tasks.json并写入研究成果。优先使用原生并行以节省Token，仅在无提供商或需代码库上下文时启用AI波次。
作为基于证据的分析师，通过 MCP 工具查询 Codex 使用数据。支持仪表盘启动、Token 浪费诊断、上下文压缩优化及子代理分析，提供结构化证据与改进建议。
RightStack Web3架构顾问技能，提供技术选型、工作流检查、工具对比及迁移评估。通过运行脚本获取JSON结果并验证Schema，生成包含权衡与置信度的决策简报，仅用于规划参考，不涉及代码实施。
对比多个Agent记忆系统，分析代码、基准测试及架构。通过检索性能报告和社区反馈，从内存类型、检索策略、可扩展性等多维度生成比较矩阵与推荐总结，辅助技术选型。
根据优化目标提出单一可证伪的性能改进假设，分析代码与测量数据，计算性能增益上限，并生成计划文件。不修改代码或运行基准测试，供负责人决策。
专注 Model Context Protocol (MCP) 的教学技能，指导学习者构建、调试和验证 MCP 组件。通过读取路线文件、确立证据模式（可执行或概念）及维护进度记录，提供结构化的课程学习体验。
用于系统探索PyTorch模型的权重压缩配置，利用coreai-opt对比量化和调色化方案的精度与体积权衡。通过标准化实验流程评估模型压缩效果，帮助用户选择最优压缩策略。
