面向LLM智能体强化学习训练的故障排查与实验设计指南。针对PPO、GRPO等算法训练中的奖励不收敛、评估平坦、KL爆炸等症状，提供基于知识库的根因诊断与修复方案，辅助框架选择与消融实验设计。
分析、调试多GPU训练中LengthPoolSortDataset的跨rank长度同步机制，通过排序和确定性shuffle对齐各卡样本长度，消除梯度同步等待瓶颈，优化训练效率。
用于路由 verl-omni 训练与推理一致性检查。通过 MSProbe 收集配对 dump，结合根因分析技能排查扩散或全模态模型的数值差异，输出诊断报告及根本原因。
诊断量化回测失败或表现不佳的问题，通过检查日志、代码和数据定位根因（如运行时错误、逻辑缺陷或数据问题），并应用修复后重新验证。
诊断并调优 Relax OPD/MOPD 训练，优化教师引擎参数、显存、分卡及多模态缓存。针对 OOM、超时或资源失衡提供带证据的修复方案。
分析tau2-bench任务导出文件，定位失败轮次与根因，检查知识库可用性并提供证据引用。用于调试评估、理解决策错误及审查任务性能。
通过查询S3上的Parquet文件调查地理编码数据质量问题，如重复、缺失或错误。适用于排查自动补全Bug、验证数据一致性或执行特定SQL分析，不涉及前端UI或代码重构。
提供YOLO26模型训练诊断与调优指南，涵盖mAP提升、过拟合分析及超参数调整。指导用户通过读取日志和结果文件定位问题，并按成本从低到高优化训练策略。
通过Terraform启动Dataflow作业并对比源（如Cloud SQL）与目标（如Spanner）数据，专用于调试已完成作业中的逻辑错误和数据不一致问题，排除启动或运行时崩溃场景。
针对 NVIDIA DGX Spark (GB10) ML 训练预检与诊断技能，涵盖启动失败、OOM、性能下降等十种已知故障模式（G1-G10），提供具体症状分析与修复方案。
协助用户处理 dbt-core 迁移至 v2 版本的错误排查。通过运行 autofix 并分类剩余错误，区分可自动修复、需指导、需输入或受阻的问题，帮助用户明确迁移进度与阻塞点。
用于定位总账与子分类账对账差异的根本原因。通过追溯交易源头并比对关键属性，生成诊断报告、责任方及处理建议，辅助金融对账流程。
