用于需求模糊或复杂任务时的协作式需求发现。通过检查代码库证据，逐一提出高价值问题以澄清产品意图、范围和风险，最终收敛MVP范围并生成PRD等规划工件。
通过提出最多5个精准问题识别功能规格中的模糊或缺失部分，并将答案编码回规格文件。支持执行前置扩展钩子，旨在减少歧义，为后续规划提供清晰基础。
用于在新功能开发或重构前，明确产品定义、业务模型及用户任务。通过确立商业意义和领域约束，指导后续交互设计与原型构建，确保先解决“做什么”和“为什么做”，再讨论界面细节。
用于生成和作者化应用商店媒体资产（图标、封面、横幅），遵循特定的品牌语法与生成流水线，并处理离线应用的附件逻辑。
负责为@Env配置属性编写和审查JSDoc，确保符合n8n文档风格指南。面向自托管操作员，提供清晰的环境变量说明，排除内部实现细节和攻击场景，规范单位、格式及用语，保障公开文档的准确性和可读性。
利用 obsei MCP 工具分析客户反馈，涵盖 bug、请求、流失风险及情感趋势。通过主题列表、统计数据和证据搜索，提供带引用和翻译的分析报告，支持生成 Issue 并遵守隐私安全规则。
提供看板与任务查询能力，通过调用board_list和task_list工具获取项目进度、任务状态及列表信息。适用于用户询问看板详情、任务状态或项目进展的场景，严禁猜测状态，需优先使用此技能获取准确数据。
用于从用户描述创建 GitHub Issue，并通过追问澄清意图和上下文。确保 Issue 记录完整的产品需求而非技术实现细节，便于后续处理。
从用户视角分析需求规格、计划或功能描述，识别缺失流程、模糊需求和边缘情况。结合代码库上下文提供精准反馈，在实施前发现并修复问题，确保需求完整性。
根据项目描述和上下文生成符合EARS格式的需求文档。通过收集项目元数据、业务规则及技术约束，结合并行研究子代理获取代码库线索或领域知识，最终输出聚焦核心功能且边界明确的需求规范。
用于记录SPF用例，明确交付场景、功能组成、状态及验证信息。在用户明确要求时创建或修订条目，区分现状与计划，更新关联项并标记缺失要素。
