ChromiteCr

当使用者说"帮我填词"、"按这个字数模板写歌词"、"用多Agent对抗式写词"、"这首副歌帮我想几句"时使用，前提是字数骨架和这首歌写什么都已经有了；只有主题、还没定写什么时先用 lyric-concept-builder。拿一份字数骨架和意象系统，派三个 sonnet 子代理按不同路子并行独立起草（场景派 / 口语派 / 意象派），再派一个红队子代理逐句挑毛病，主 Agent 按句裁决拼稿，最后统一辙口与意象。收敛判据卡死：字数用 lyric-doctor 的脚本对模板数、每段同辙、hook 不含陈词、主歌二对主歌一有推进。不抄现有歌词，不替使用者决定这首歌要说什么。

The English summary is being prepared. Showing the original description.

当使用者说"把照片做成极简海报"、"做一张几何风格的海报"、"把这张照片抽象成海报"时使用。Turn a photographer-provided description of an existing photo into a minimal, geometric SVG poster with an explicit visual abstraction, restrained palette, grid, typography, bleed, and deterministic validation. Use when the user wants to reinterpret one of their photos as a stylized poster rather than retouch or reproduce the photo.

The English summary is being prepared. Showing the original description.

当使用者说"让 AI 写谱不要直接生成音频"、"做一个 AI 作曲的后端"、"LLM 输出 MIDI 怎么做"、"生成的音符老是越界/被截断"、"要能导出 .mid 给 DAW"时使用。用 LLM（BYOK / OpenAI 兼容接口）从零生成可用的管弦乐 MIDI 与分轨音频：两级调用（整曲和声蓝图 + 逐乐器音符表）、提示词结构、被 max_tokens 截断时的残稿抢救、确定性校验修复、渲染与 MIDI 导出，以及全程的规则作曲降级策略。降级事实必须如实写进元数据，不假装是模型写的。参考实现是 MaestrWave 的 M7 写谱演奏模式。

The English summary is being prepared. Showing the original description.

当有一条推导、模型方程、标度律或最终公式，想在相信它之前先过最便宜的一关时使用。逐项查量纲：先统一记号、建符号量纲表，再按加减两侧同量纲、等式两边一致、指数对数三角函数的宗量无量纲逐条核对，指出第一处不一致；每个通过的项还要说出它代表什么物理贡献，说不出的项就是没理解的项。结论里写明量纲通过不等于物理正确。

The English summary is being prepared. Showing the original description.

已废弃，改用 bento-infographic（发布会 bento 信息图）。原用途：当使用者贴出产品资料、发布稿、规格表、卖点清单或网页摘录，说"做一张产品总结面板"、"生成发布会那种 summary slide"、"把这些卖点做成一张图"、"bento 风格的产品总览"时使用。分两步：先产出 panel-brief.md（定位、核心卖点、支撑卖点、数字锚点、信息分组、每条的来源或未确认标记、版式建议、舍弃项与原因），等使用者确认后再产出单文件 panel.html（16:9 横版、内联 CSS、bento 卡片布局、light/dark 双主题、适合截图）。只借鉴信息层级与面板结构，不复制任何厂商的资产、商标、截图或图标。不编造参数，无出处的数字标注或省略。

The English summary is being prepared. Showing the original description.

当使用者贴出数学建模题、数学建模竞赛题、研究问题或评分要求，说“帮我拆题”“这道题到底要什么”“有哪些隐含条件”“先别急着选模型”时使用。把原题整理成可核对的题面契约、变量与单位账本、子问题依赖图、歧义清单和下一步交接；区分原题事实、合理推断与待确认项，不选模型、不解题、不补造数据。

The English summary is being prepared. Showing the original description.

当物理材料太长、太散或不是题面形态时使用——竞赛原题、IYPT 题目描述、文献段落、实验记录、一段现象叙述。把它压成干净题面、给定量台账、约束、子问题树；每一条"忽略""理想""视为"都标注它关掉了哪段物理、在什么无量纲判据下会失效；同时抓出模糊措辞、缺失约束、单位与符号的自相矛盾。只做提取与暴露缺口，不补条件、不选模型、不解题。

The English summary is being prepared. Showing the original description.

当使用者贴出一道物理题、一个实验现象、一份竞赛材料或一句"这个怎么解释"，还没想好从哪一步下手时使用。先定三件事——问题类型（计算/建模/科研/开放现象）、目标产物（数值答案/可检验模型/机制解释）、卡在哪一步——再分流到下游物理 skill；专门检出"要的产物与问题类型不匹配"和"其实该先回去读题"两种走错门。不解题，不给答案，不替使用者选机制。

The English summary is being prepared. Showing the original description.

当学生说"我想做一个自己的技能"、"每次都要重复交代同样的要求"、"能不能把这套流程固定下来"、"帮我改一下我那个技能"时使用。先判断他手上已经有什么（一句想法 / 一段聊过的流程 / 一份写坏的草稿），从当前对话里能抠出来的答案就不要再问，查清运行时可声明的能力后直接写出一版完整可跑的 SKILL.md，只把剩下的关键分歧用一张选择题卡问完，改定后出确认卡存进技能库。

The English summary is being prepared. Showing the original description.

当使用者说“这题该用什么模型”“A 和 B 哪个更合适”“要不要上机器学习”“我的模型选得对吗”时使用。基于已拆清的目标、变量、数据与验证条件，区分模型家族、算法和求解器，建立简单基线，比较至少两个有意义的候选，并给出条件式推荐与最低成本判别测试；不凭流行度拍板、不编造性能、不替学生隐藏最终选择。

The English summary is being prepared. Showing the original description.

当想知道一段 AI 回答"哪些能直接用、哪些必须先验证、哪些只能当建议"时使用。按声明类型分四级——低风险草稿材料、观点与策略建议、可查证的事实声明、会改变状态的可执行指令——每级配一句默认处置动作；再按影响半径排序，给出最小的下一步检查。可执行类一律标"不能直接执行；先做代码审阅/沙箱测试/回滚准备"，其中破坏性或提权的命令排在最前。教的是一套可复用的复查习惯，不是替使用者把所有内容都核实一遍：本 skill 只分级、排序、定处置，要逐条核实走 ai-output-fact-checker，整段代码要做入库体检走 ai-code-onboarding-checklist。

The English summary is being prepared. Showing the original description.

当拿到一段 AI 生成的代码，还没决定要不要信、要不要跑、要不要往上继续加东西时使用。先做一遍客观体检：行数与嵌套深度、有没有测试、有没有硬编码密钥或遗留 TODO、依赖是不是真实存在、有没有危险调用（eval/exec、shell=True、递归删除、反序列化、提权、外发网络，按正文给的 grep 模式逐类查）；再给风险评级和下一步动作。老实写明它查不了算法正确性——体检通过不等于代码是对的。回答里文字、事实和代码混在一起时先用 ai-answer-triage 分级；只审相对已有代码的一份改动用 ai-diff-review-protocol。

The English summary is being prepared. Showing the original description.

当 AI 改完代码、要决定这份 diff 放不放行时使用。不逐行精读，按四步走查高风险点——意图是否匹配、有没有碰到边界条件、副作用面有多大、能不能回滚——每步有明确的放过与打回判据。改动文件数、增删行数、动到的迁移/锁文件/CI/配置/鉴权/测试文件和危险 hunk 先由 scripts/diff_risk.py 统计（粘贴进来的 diff 文本也能读，不需要 Git），越过固定阈值时必须人工逐段过。只有口头描述、没有改动内容时不给结论，只列要补的材料。diff 里新写的测试可不可信交给 ai-generated-test-auditor；没有基线的整段新代码走 ai-code-onboarding-checklist。

The English summary is being prepared. Showing the original description.

当 AI 写完测试、要决定信不信这份测试时使用。查三类假信心：断言与实现是否同源复制、有没有边界与异常用例、失败信号够不够强；再规划 2–5 个突变抽样，能执行时再实跑，看把被测代码改坏之后测试会不会变红，没实跑就不声称测试抓得住错。测试全绿不等于代码对，也可能是测试根本抓不住错。要决定整份 diff 能不能合并时走 ai-diff-review-protocol。

The English summary is being prepared. Showing the original description.

当拿到一段 AI 回答、准备直接复制去用之前使用。把回答拆成可检验的声明（链接、库名与版本、论文 DOI、命令行参数、API 名、数字、引文），按"用错了会炸多大"排序，为每条配一条最直接的核验路径；产出声明台账、核验计划和"现在可以用 / 必须先核实"两栏。专门防住引用了不存在的库、论文或命令这种直接复制就会出事的情况；包名存在不等于可信（幻觉出的名字可能已被人抢注），DOI 能解析也要标题对得上。不替使用者背书，核不了就写核不了。与 ai-answer-triage 的区别：那边只分级、定先查哪几条，这里逐条给核验路径；要判断一整段 AI 代码能不能跑，用 ai-code-onboarding-checklist。

The English summary is being prepared. Showing the original description.