从整个工作区出发，系统性地重组认知结构并整理全局文档归属。适用于首次建立认知结构、或积累了大量散落文档需要批量归档时。基于三大闭环框架（Loop1 Skill体系 / Loop2 思维体系 / Loop3 场景投射）做全工作区分类路由。触发词：「系统整理」「重组认知结构」「从文档构建认知结构」「整合文档」「全量梳理」「认知结构乱了」「全工作区整理」「文档归属梳理」「如何加入认知结构」「怎么加入认知结构」「按规范加入」「未更新的文档怎么处理」「这些文档要怎么整理」「有没有关于X的已有文档」。注意：若用户仅询问流程而非执行重组，执行 Step 0.5（检查分类清单现状）后，先向用户展示已有文档状态和分类建议，再确认是否执行完整重组。

受控更新L1系统性文档：含影响范围预分析、历史版本备份、矛盾检测、级联写入。触发词：「更新[文档名]」「完善[文档名]」「修改[文档名]」「我要改[内容]」「在[文档]里加上」「[文档]需要更新」。

文档整合 Skill。当多个并行文档存在漂移、内容重叠、或缺乏单一权威版本时激活：识别主真源，提取补充内容，重建结构，输出整合版本，并制定废弃文档处理计划。触发词：「文档太乱了」「有好几个版本」「哪个才是最新的」「整合这些文档」「文档漂移」「合并文档」「恢复单一真源」。

统一写作流水线。任何文档/文章/报告均走此流程：研究→草稿→逻辑自检→真实性校对→画图规划→批量画图→图片自审→审稿→格式转换（HTML/LaTeX/MD）。可从任意阶段入场（已有草稿直接审核，已审稿直接转格式）。触发词：「写一篇/帮我写/写一份/我有初稿了/帮我检查逻辑/帮我配图/从画图开始/从[Stage名称]开始继续/转成HTML/转成LaTeX」。注意：「只要审稿」请直接触发 article-proofreading；「帮我审稿」不触发本 Skill。

按需培养领域专家子智能体。通过调研→整理→自问自答反思→专家配置输出四阶段，将任何领域的知识转化为可 dispatch 的专家 Agent。Orchestrator 在识别到「现有审查能力不足」时触发。触发词：「需要X领域的专家」「这个任务需要X领域的深度审查」「培养专家」「我们没有X方面的专家」「expert-bootstrap」「build expert」「专家培养」。

他山前端品牌设计系统完整参考手册。包含技术框架选型、设计令牌（颜色/字体/圆角/阴影）、组件规范代码模板、响应式/无障碍约定。被 role-前端开发 和 role-UI设计师 主动调用；与 frontend-brand-guard.mdc（约束层）配套使用。

撰写通用长文（技术分析/产品思考/对外分享/个人随笔），区别于微信公众号文章（公众号请用 wechat-article-writer）。读取写作习惯手册后起草，支持大纲确认、正文撰写、挑战者自检、审稿闭环。当用户说「写一篇技术文章」「写一篇对外分享」「写一篇产品分析/产品思考」「帮我写一篇通用文章/长文」「写一篇个人随笔」时使用。

将科研数字分身各维度整合提取为他山论坛分身，格式为 Identity / Expertise / Thinking Style / Discussion Style 四节 Markdown，输出前先让用户确认隐私暴露范围。当用户说「生成他山论坛分身」「论坛画像」「数字分身」「导出论坛档案」时使用。

历史对话审计 Skill。审查长期协作历史，提取用户稳定偏好、重复任务类型、未解决的循环、以及可升级为 Skill/Rule 的工作规律。触发词：「审查历史对话」「回顾过去的工作」「分析我们做过什么」「从历史中提取规律」「哪些任务重复出现」「有什么可以沉淀成Skill的」。

根据用户已填写的基础身份和能力信息，AI推断学术动机、人格和认知风格维度。当用户不想填写量表、或希望快速估算时使用。

项目规范问题自动修复 Skill。当用户指出项目内的规范偏差时，自动分类问题类型，路由到对应角色Skill执行修复，并通过verifier验证修复效果。类比产品侧「问题追踪+修复」的完整闭环，是项目内规范问题的「接收→分类→执行→验证」一体化机制。触发词：「这里有个规范问题」「这不符合规范」「规范偏差」「按规范修复这里」「这里违反了规范」「规范不对」「帮我修复规范问题」。注意：与 issue-tracker 的区别——后者只记录不执行；本 Skill 记录并自动路由执行。

基于已有项目做重构/新建（搬家不重写）的完整流程 Skill。当用户需要从现有混乱项目迁移到干净新项目时激活，引导完成：新项目文件夹 → PM功能清单 → 技术架构+红蓝推演（回写闭环）→ Cursor规范配置 → 分Phase构建。区别于 role-技术架构师（后者设计新技术方案）：本 Skill 是迁移型，先盘点已有资产，再设计去哪里放。触发词：「基于已有项目重构」「重构方案」「新建项目并迁移」「搬家不重写」「从零开始但复用现有代码」「项目架构整改」。

项目级 Skill 批量复盘。在一个项目/任务闭环完成后，主动扫描本次对话中调用过的所有 Skill，逐个判断是否需要新建或更新，批量调用 skill-capture-closure 完成沉淀，最后输出复盘报告。触发词：「项目做完了」「更新一下Skill」「基于刚刚的过程更新规范」「做个项目复盘」「沉淀一下经验」「把这次的经验记下来」。

对任何主题进行系统调研，自动产出图文并茂的 Markdown 文档（含 Mermaid 结构图 + qwen-image 可视化），保存到认知结构对应维度的知识库，并自动注册到文档分类清单和知识图谱。当用户说「帮我调研/调研一下/系统调研/研究一下/帮我系统了解/深度研究 [主题]」时触发。

AI工程师角色。关键词：AI/LLM/智能体/Prompt/上下文工程/多智能体/工作流/RAG/Function Call/效果评测。激活后设计提示词、构建智能体调用链、评测输出质量。

DevOps/运维角色。关键词：部署/上线/CI-CD/服务器/Docker/nginx/SSL/域名/端口/监控/GitHub Actions。接收测试通过报告后执行部署，维护生产环境，监控AI调用成本。

产品经理角色。关键词：产品/需求/用户流/闭环/MVP/产品定义/开发计划/用户动线/功能设计/产品迭代。激活后立即读产品定义.md和开发计划.md，执行沙盘推演关卡A。

前端开发角色。关键词：前端/React/TypeScript/Vite/UI实现/组件/页面/接口联调。激活后读技术架构.md和设计师输出，还原设计意图，不自作主张改交互逻辑。

后端开发角色。关键词：后端/FastAPI/Python/API接口/数据库/PostgreSQL/业务逻辑/认证/SSE。激活后读技术架构.md，按四层架构实现，写完任何DB函数必须立即集成测试。

技术架构师角色。关键词：技术架构/系统设计/数据模型/接口规范/技术选型/API设计/数据库设计/模块划分。激活后读PRD，先输出草稿给PM确认，再下发给开发。

测试工程师角色（关卡C）。关键词：测试/验收/Bug报告/质量/功能验证/闭环测试/体验验收/压力测试。接收开发完成的模块，按五类测试维度验收，Bug回开发，产品偏差回PM，通过才能进DevOps。

基于域健康报告和沙盘Gap记录，识别断裂模式，生成具体的补全行动方案：新Skill提案/现有Skill修改建议/缺失触发链路描述。与 skill-evolution-planner-meta 的区别：后者基于历史日志做宏观演进规划；本Skill基于具体Gap证据做定向修复。触发词：「优化[域名]域」「修复[域名]域Gap」「[域名]域自优化」「根据健康报告生成修复方案」。通常由 skill-closure-verifier-meta 调用，也可独立触发。

全量搜索外部 Skill/Agent/Rule 仓库，必须执行7维度协议，禁止以少于7维度的搜索声称「全量完成」。触发词：「全量搜索 skill 库」「搜索 GitHub skill 仓库」「找所有 skill 库」「有没有遗漏的 skill 仓库」「更新 skill 参考库」。

测试环境自动准备 Skill。在执行任何测试之前，自动检查并准备完整的测试环境：服务健康检查、自动启动后端、数据库就绪、测试账号创建、依赖验证。确保后续测试在稳定环境中执行。触发词：「准备测试环境」「环境预检」「初始化测试环境」「测试前准备」。也被 role-测试工程师 Step 0 和 fixer Step A0/B0 自动调用。

| 层级 | 文档 | 需要理解的概念 |

Three-mode translation skill: **quick** for direct translation, **normal** for analysis-informed translation, **refined** for full publication-quality workflow with review and polish.

wiki_TipSkill

TransBigData 交通时空大数据分析工具集。适用于轨迹数据栅格化、轨迹清洗处理、出租车OD提取、公交地铁网络分析、坐标转换、数据可视化等交通大数据分析任务。

>

Generate pytest unit, integration, and GUI tests for LoRAIro with proper fixtures, mocks, and 75%+ coverage using pytest-qt for PySide6 testing

LSP 優先開發策略工具。用於：(1) 查詢 LSP 操作指令, (2) 配置新語言 LSP 插件, (3) LSP vs MCP 工具選擇決策, (4) 自建 LSP 插件指南

基于RFM模型和回归算法的客户生命周期价值(LTV)预测分析工具，支持电商和零售业务的客户价值预测。使用时需要客户交易数据、订单历史或消费记录，自动进行RFM特征工程、回归建模和价值预测。

macOS 系统深度清理和优化工作流。当用户需要以下操作时使用：(1) 清理系统缓存、日志和临时文件，(2) 卸载应用及其残留文件，(3) 分析磁盘空间使用情况，(4) 清理开发项目构建产物，(5) 系统优化和性能提升，(6) 任何关于 Mac 清理和维护的请求。提供交互式菜单、智能诊断和混合模式（指导+自动执行）。

macOS Agent 开发规范（Swift + Accessibility API），包括项目结构、Accessibility API 使用、UI Automation、IPC 通信集成、错误处理和测试。

分析并通过智能清理建议回收 macOS 磁盘空间。当用户报告磁盘空间问题、需要清理 Mac 或想了解什么占用了存储空间时，应使用此技能。专注于安全的交互式分析，在执行任何删除操作前需要用户确认。

macos-dictionary

macos-setup

麻將遊戲開發助手。當用戶需要開發麻將遊戲功能、詢問專案架構（Game.js, Player.js, Tile.js）、實作遊戲邏輯（發牌、吃碰槓、聽牌判斷）、WebSocket通訊、PixiJS渲染、效能優化、或任何與這個麻將遊戲專案程式碼相關的問題時使用此技能。

Intelligent skill router that analyzes user requests and automatically dispatches to the most appropriate skill(s) or zen-mcp tools. Routes to zen-chat for Q&A, zen-thinkdeep for deep problem investigation, codex-code-reviewer for code quality, simple-gemini for standard docs/tests, deep-gemini for deep analysis, or plan-down for planning. Use this skill proactively to interpret all user requests and determine the optimal execution path.

LaTeX 模板高保真优化器，支持任意 LaTeX 模板的样式参数对齐、标题文字对齐、标题格式对比（加粗）、HTML 可视化报告、LaTeX 自动修复建议和像素级 PDF 对比验证

manage-plan-todos

Initializes and updates screen specification documents. Use as a foundation skill for all screen documentation workflows.

Handle timecard punch-in/out operations using /dakoku command. Use when user executes /dakoku, needs to record work hours, or mentions timecard/勤怠/打刻.