为代码库生成特定的 orientation.md 文件，用于指导新成员快速理解项目结构、语言和关键配置。通过检测根目录配置文件识别主要编程语言，并引导用户战略性地探索仓库文档和架构。
提供编写高质量 Agent Skill 的参考指南，阐述通过控制模型调用与用户调用权衡确定性、优化描述以减少上下文负载，以及构建步骤与参考信息的层级结构。
用于将 Ray 项目 Markdown/MyST 文档中的硬换行转换为软换行，确保每段一行且渲染效果不变。通过 Python 脚本执行转换并验证内容一致性、渲染等价性和幂等性，辅助后续语法和风格编辑。
同步代码与文档，检测版本不匹配、废弃导出及未记录项，检查CHANGELOG。支持报告或应用修复，确保文档与代码状态一致。
通用技能模板，提供SKILL.md的结构规范、Frontmatter配置选项及占位符替换机制说明，用于指导Agent技能的编写与定制。
说明prime-rl基于pydantic-config的TOML与CLI配置系统，涵盖加载、组合、覆盖及验证规则。用于创建配置、调试错误及通过CLI覆盖值。
用于在开发过程中发现新需求、约束或设计变更时，更新并同步规格说明书。通过分类发现、评估影响、记录变更日志和修改相关文档，确保规范与实现保持一致。
自动收集 Git 变更差异，分析代码、测试及文档影响，生成符合 openai-agents-js 仓库规范的 PR 标题、分支建议及草稿描述，用于工作流收尾阶段。
指导在 hermes-agent 仓库内创建、编辑 SKILL.md 文件，涵盖分层标准（Bundled/Optional）、Frontmatter 规范及 Git 提交流程，确保符合硬线审核标准。
维护基于实体的Markdown知识库，自动整合记忆、引用来源并标记矛盾。在用户查询或摄入新内容时生成/更新页面，提供可读的实体叙事，替代PARA结构作为默认存储。
自动分析模块结构，生成README.md和DESIGN.md骨架。支持Python/Go/TS/Rust等语言，提取代码信息填充文档模板，确保模块文档规范。
用于检测和验证网页中的Schema.org结构化数据（JSON-LD等），识别缺失模式并生成符合AI可发现性要求的代码块，输出审计报告。
