rUv

检测RuView连接的传感设备，查看ESP32的WiFi信号测量数据、毫米波雷达和LiDAR读数，并通过SSH以只读方式查看另一台电脑上的设备。

• 查找连接电脑的传感器
• 检查CSI接收和串口日志
• 查看雷达与LiDAR测量值

在RuView变更后运行Rust和Python测试，以输出哈希检查处理变化，并生成固件哈希清单与证据包，供接收方再次验证。

• 验证RuView重大变更
• 合并PR前检查测试与文档
• 准备交付接收方的验证资料

将多个智能体任务按顺序连接，把上一阶段的输出传给下一阶段，连续完成代码分析、改造、测试生成或数据转换，并查看各阶段状态与汇总结果。

• 根据代码分析制定改进计划
• 按优先级修改代码
• 检查测试缺口并生成单元测试

实现多个AgentDB数据库的同步与管理，将语义相似度搜索与属性筛选结合，并配置搜索结果去重及分布式AI系统的运行方式。

• 在多个AgentDB数据库间共享记忆
• 按日期或分类筛选语义搜索结果
• 分别存储知识和对话

测量claude-flow v3的启动时间、搜索速度和内存用量，验证是否达到改进目标，并通过持续监测发现性能退化，为优化方案提供依据。

• 比较v3优化前后的性能
• 评估搜索速度与内存用量
• 持续检测性能退化

在Grok Build中组建具有名称和角色的多智能体团队，管理设计、实现、测试与审查的执行顺序，以及成员间的消息交接、进度查看和团队关闭。

• 分工完成设计到审查的流程
• 在Grok Build中交接工作
• 管理多个团队的消息和进度

根据希望呈现的风格生成可导入 Ruflo Console Theme Studio 的 JSON 主题，调整六种颜色、动画速度及星空、地球仪等装饰，同时保持文字清晰和状态可辨。

• 创建符合个人喜好的配色
• 减少装饰并放缓动画
• 用星空和地球仪营造未来感

将复杂需求拆分为可执行的小任务，整理依赖关系、负责的智能体、预计耗时、风险与成功标准，并标出决定整体完成时间的任务链，形成执行计划。

• 将复杂需求拆分为任务
• 整理依赖关系与可并行任务
• 规划任务分工与预计耗时

Turn specifications into pseudocode, a language-independent outline of program logic. Define data structures, handle edge cases, analyze time and memory requirements, and document design patterns and optimization opportunities before implementation.

中文简介正在准备中。当前显示英语简介。

• Turning specifications into clear processing steps
• Comparing data structures and computational costs
• Planning error handling and edge cases before coding

协助实现和管理Raft，通过领导者选举、日志复制、节点增删及网络中断后的重新同步，让分布式系统中的多个节点保持状态一致。

• 实现分布式节点的领导者选举
• 保持复制日志的一致性
• 添加或移除集群节点

通过多个智能体分工管理GitHub拉取请求，即代码变更合并提案，涵盖创建、审查、测试、冲突解决及合并，并跟踪各环节的进度。

• 创建拉取请求并协调审查
• 分担大型变更的审查工作
• 合并前检查测试与构建结果

Improve existing code through repeated cycles of testing, implementation, and refactoring. The skill covers performance bottlenecks, error recovery, code coverage, and documentation, helping developers refine behavior and structure while keeping tests passing.

中文简介正在准备中。当前显示英语简介。

• Refactoring existing code while keeping tests passing
• Adding tests before implementing expected behavior
• Investigating slow database access and cache usage

为多个AI智能体确定方向、分配职责，统一管理进度与资源。可按情况切换负责人决策、集体共识或紧急指挥方式，并安排协作与职责交接。

• 分配调研、实施和记录职责
• 调整资源分配与任务优先级
• 查看整体进度与响应情况

帮助设计分布式系统的共识调整方案，根据网络状况、处理性能和故障条件调整所需参与节点数量与投票权重，并涵盖节点增删、变更验证及失败回退。

• 根据网络状况调整共识条件
• 设计节点增删与故障应对方案
• 按节点性能分配投票权重

在应用上线前查找未完成的代码和临时实现，验证真实数据库及外部API连接，并检查并发性能、身份验证与部署配置，了解上线准备情况。

• 上线前查找未完成的代码
• 验证真实数据库与API集成
• 检查并发访问性能

分析应用和分布式系统的CPU、内存等资源使用情况，查找处理瓶颈，协助改进资源分配、负载均衡、缓存及算法，并比较调整前后的性能。

• 排查应用运行缓慢的原因
• 调整CPU和内存资源分配
• 改善节点之间的负载分配

将多个AI智能体的工作与GitHub Projects卡片同步，集中管理负责人、优先级和进度，并按专长与工作量分配任务，生成报告以协调团队工作。

• 同步任务状态与项目看板
• 按专长和工作量分配任务
• 查看迭代进度与停滞任务

帮助实现多个设备或服务器之间的数据同步，使用CRDT合并并发更新，涵盖计数器、集合等结构，以及仅发送变更的增量同步和操作因果关系追踪。

• 汇总多个节点的计数
• 合并共享集合的并发更新
• 实现仅传输变更的增量同步

检查代码的可读性、运行性能、安全性、设计与依赖关系，按影响程度排列需要修复的问题，并整理具体改进建议。

• 审查拉取请求的代码质量
• 排查性能与安全问题
• 安排重构与依赖更新的优先级

通过代码性能测量和基准测试，调查运行缓慢、性能退化或内存压力问题。记录修改前的基准，在相同条件下比较结果并报告波动，为优化提供可复现的依据。

• 调查运行缓慢的原因
• 比较修改前后的性能
• 测量内存压力下的性能

根据规格和设计，先编写测试，再实现可运行的代码。通过测试确认结果并整理代码，同时完善错误处理、性能、注释和相关文档。

• 根据规格和设计实现功能
• 开发带测试的身份验证或API
• 结合测试验证整理现有代码

通过多个专业AI智能体审查GitHub变更提案，检查安全、性能、架构及编码规范问题，汇总问题说明与修复示例，并按标准发布批准或修改要求。

• 检查身份验证变更的安全性
• 排查数据库变更导致的性能下降
• 检查界面无障碍与编码规范

根据负载和性能指标，调整多个AI智能体的协作结构与任务分配。涵盖结构切换、所需智能体数量预测，以及变更后的验证和性能下降时的回退。

• 选择多智能体协作结构
• 均衡智能体之间的任务负载
• 根据负载预测所需智能体数量

将复杂目标拆分为可执行任务，结合依赖关系、期限、预算和人员安排执行顺序与分工，并在进度或条件变化时调整计划。

• 规划有明确期限的功能发布
• 为多个目标分配人员与预算
• 根据条件变化重新规划