debugger
Skillgithub.com
提供系统化调试能力,通过假设检验、证据收集与状态追踪定位根本原因,强调剥离主观假设、识别认知偏差,并支持最小复现、逆向分析等方法,在复杂问题中保持逻辑严谨与思维重启机制。
阿钰同学
浏览可复用的 Skill 能力条目,登录后查看来源说明。
github.com
提供系统化调试能力,通过假设检验、证据收集与状态追踪定位根本原因,强调剥离主观假设、识别认知偏差,并支持最小复现、逆向分析等方法,在复杂问题中保持逻辑严谨与思维重启机制。
github.com
通过静态分析调用链实现高效错误溯源,能够从故障现象反向追踪至根本原因,同时评估缺陷影响范围,适用于复杂代码库中的问题诊断与根因分析。
github.com
提供事件流全链路诊断能力,覆盖事件未触发、映射失败、数据缺失、合规阻断等典型问题,支持控制台日志追踪、网络请求分析、厂商调试工具联动及模拟运行验证,帮助快速定位和修复事件分发异常。
github.com
提供一套结构化排错方法论,涵盖从根源定位、模式分析、假设验证到修复实施的完整流程,强调逐层防御性校验与修复后即时验证,确保问题被彻底解决而非仅掩盖表象。
github.com
通过系统化方法快速定位并解决各类技术问题,涵盖从代码缺陷到性能瓶颈的全链路分析,结合科学假设验证、环境比对与日志追踪,在复杂系统中实现精准排错。
github.com
掌握系统化调试方法论与根因分析能力,覆盖从本地开发到生产环境的各类问题排查,包括缺陷定位、性能瓶颈识别、内存泄漏检测及分布式系统异常诊断,强调可复现性、信息收集、假设验证与工具协同。
github.com
提供一套跨技术栈的通用调试方法论,涵盖从错误复现、堆栈分析、断点设置到日志追踪的完整流程,强调科学验证、分步隔离与数据流逆向追踪,支持快速定位空值引用、异步竞态、边界越界等高频缺陷,并通过结构化日志、防御性编码和系统化验证预防问题复发。
github.com
提供系统化的工作流调试能力,覆盖语法解析错误、智能体调用失败、变量传递异常、并行执行卡顿及检查点失效等典型问题,通过复现、隔离、日志分析和渐进验证定位并修复根本原因。
github.com
提供 GitHub 智能工作流的端到端诊断能力,支持批量下载与结构化解析运行日志、深度审计单次执行过程、识别工具缺失与权限不足等典型故障,并结合工作流编译、MCP 配置检查及防火墙日志分析实现精准排障。
github.com
提供结构化决策建模能力,支持通过决策表处理多条件规则逻辑、加权评分矩阵实现多准则方案比选、决策树分析序贯选择与不确定性影响,并生成可追溯、可验证的推荐结论,适用于需要严谨推理和团队共识的关键业务决策场景。
github.com
在关键决策节点自动捕获决策依据与反思,包括被否决方案的原因、反复出现的模式及执行偏差的根源,形成可检索的知识沉淀,支撑后续设计避免重复错误、快速对齐上下文,并按影响程度分层存入 Notion 数据库、ADR 文档或代码注释。
github.com
立即执行决策评估脚本,对输入的决策内容进行多阶段压力测试与推理验证,通过分步流程自动完成批判性分析并输出结构化反馈,确保决策逻辑的严谨性和鲁棒性。
github.com
提供对AI决策图谱的深度查询与分析能力,支持追溯历史决策、识别逻辑矛盾与演进规律、诊断上下文注入异常及评估缓存效能,适用于决策系统调试、知识复用和长期记忆优化场景。
github.com
建立和维护架构与产品决策记录,用于系统化追踪设计选择和技术权衡。每项决策独立归档,明确状态与上下文变更,确保技术演进过程可追溯、可复用,并聚焦下游实现影响与用户体验优化。
github.com
在确保操作安全的前提下,自主判断何时执行任务或提出澄清问题,优先采取可逆的标准化方案,仅在存在重大歧义或不可逆风险时主动询问,以减少交互轮次并避免错误假设。
github.com
深入分析二进制文件中的特定问题,通过逐步解读代码逻辑、修正变量类型与函数签名、标记关键数据结构来提升代码可读性,并基于确凿证据回答功能行为、加密使用、C2地址等逆向工程问题,同时生成后续调查线索。
github.com
面向深度代码探究任务,支持对软件功能原理、架构设计、执行流程及实现位置的系统性分析,依托语义搜索精准定位跨文件逻辑关联,自动生成含位置标记、调用链路、结构图谱与可操作指引的综合报告。
github.com
面向深度技术分析场景,提供从代码逻辑、模型架构到性能瓶颈的多维度解析能力,并自动生成含Big O复杂度评估的结构化文档,支持Mermaid图表嵌入与专业级技术写作,适用于需要精准量化性能特征与设计权衡的工程决策。
github.com
自动提升深度学习模型的综合性能,涵盖准确率提升、训练耗时缩短与计算资源占用降低等目标,通过分析模型结构、数据特征及训练指标,智能选择并应用优化策略,生成可直接运行的改进代码。
github.com
自动提升深度学习模型性能,涵盖精度增强、训练加速与资源消耗降低等多目标优化,通过分析模型结构、数据特征及训练指标,智能选择并应用优化策略,生成可直接运行的改进代码。
github.com
提供对长文本内容的多层级深度解析能力,融合结构化梳理、逻辑验证、跨学科视角、本质追问与系统关联分析,支持从快速理解到研究级综合的完整认知升级路径,并将知识转化为个性化行动方案。
github.com
针对复杂 JUCE 插件开发问题,提供分层递进的自主研究能力,从本地文档快速检索、网络权威资源深度挖掘,到调用多智能体并行探索,全程聚焦信息搜集与分析,生成结构化报告并提供明确决策路径,所有解决方案均交由专用实现技能执行。
github.com
执行深度研究任务,通过并行子代理从多个独立角度同步搜集信息,系统交叉验证不同来源的证据以提升准确性,并整合形成结构化综合报告。适用于需多源印证、多方观点对比或高可信度支撑的复杂分析场景。
github.com
执行多层级深度研究,通过系统化搜集、交叉验证与综合分析来自多方的信息,对复杂议题进行结构化拆解与洞察提炼,最终生成包含证据支持、多视角对比和战略意义解读的高质量研究报告,适用于决策支持与知识探索场景。