lazygophers

向用户提问的时候、调用 `AskUserQuestion` 时都使用本 skill 来替换提问方式

记忆库升降级维护 — 按金字塔模型 (L4 庞大 → L0 稠密) 自动 promote/demote. 信号: 频率 (近期提及) / 时间 (距今) / 重要度. 规则: 用户反复强调 → 逐级升; L1/L0 允许自动升不允许自动降. 主要工作区 L4-L2; 默认 --apply 落盘 (--dry-run opt-in 预览). 无独立脚本, 调 cortex-extract/save/lint 执行.

extract/提取/promote/整理/归档/digest L4-inbox 收件箱, 按三轴 (抗遗忘度/强度/复用面) 路由到 L1-long/L2-mid/L3-short/项目/领域, 默认 --apply 落盘 + 增量游标 (--dry-run opt-in 仅出 JSON plan 预览). 触发词: 整理 inbox / 提取记忆 / 归档笔记 / promote / digest.

Claude Code 会话历史整理 — 扫 ~/.claude/projects/**/*.jsonl 全部 session transcripts, 提取学习增量 (用户校正/决策/踩坑/L0 规则) → 全局记忆库 ~/.cortex/.wiki/memory/. 默认 --apply 落盘 (--dry-run opt-in 仅出 JSON plan 预览). 与 cortex-extract (L4-inbox 内部) 互补.

知识库构建 ingest — 接受 GitHub/GitLab/Website URL 或 local dir 输入, 自动识别+路由到 项目/<host>/<owner>/<repo>/ (本地 git repo 当 github/gitlab 处理, 非 git → 项目/local/<name>/). 默认 --apply 调度抓取 (gh/git clone/WebFetch 混合) + 落盘 (--dry-run opt-in 仅出 JSON plan 预览).

SKEIN task 闭环编排器。$1 路由阶段；$1=plan 或含 --plan 时路由到 skein-plan skill；$1=redo 时路由到 skein-redo skill；执行过程唯一真值源在 references/flow-loop.md。

SKEIN exec 执行方法论 — skein-executor agent 绑定 skill。单个 running subtask 的完整执行纪律: workdir 硬门 + worktree 改动范围判定 + 自读 subtask 详情 (不靠转述) + spec 约定佐证 + 读后写硬门 + done 前可运行验证 + JSON 回传格式。只做范围内事, 收尾仅 subtask done/fail。

对抗式审查 (红队, 非审批)。planning 产物 (prd 主入口/design 详细设计/findings 调研 + task.json 子任务) confirm 前硬门、或用户显式 "grill/盘方案/审设计/红队" 时使用 — 多轴逼问挖漏洞/隐藏假设/未定边界, 逐问给推荐答案+codebase 先查, 弱点表交用户裁才放行。main 亲做 (交互式)。

在 aidog 里加一个新平台或改一个平台的默认配置（base_url / 端点协议 / coding plan / 默认模型 / 余额查询）。覆盖「加 Protocol 枚举变体（Rust↔TS 双写）、前端 Platforms.tsx 预设、余额/coding plan 配额查询、价格估算接入」全套触点与顺序，并避开调研证实的反直觉陷阱（预设住前端非 db.rs、glm/kimi adapter 是死代码、quota 按 base_url 子串分派）。触发词：加平台、新增平台、添加平台、改平台默认配置、平台…

给 aidog SQLite 数据库加 migration（schema 变更：加表/加列/改约束/拆列/重命名）。固化项目已验证范式：前向幂等、NNN_ 编号、SQLite 无 ALTER 限制的 rebuild-table 范式、**无 down/rollback**（SQLite 前向单线）、加列必带 DEFAULT、UNIQUE 变更走 rebuild 表、列改名禁用 sed 批改 SQL 源列名（历史误伤）。覆盖编号/写 SQL/幂等保护/启动自动执行/测试。触发词：加…

更新 aidog 模型定价信源（models.json 人工维护 + app 远端拉取 + 模型 max_tokens）。固化 resolve_price 回退链（不改估算代码里默认价）、上下文阶梯定价（context_tiers + resolve_price 按 input_tokens 选档）、出站 cap、app 定时拉取（price_sync.rs）。触发词：更新价格、定价信源、加模型定价、max_tokens、context_tiers、阶梯计费、price_sync、模型价格月级腐化、新平台定价。

aidog 发版全流程（版本号 → push 触发 CI → 后台监控构建 → 更新 Release 说明）。固化 `.version` 单一可信源（禁手改 package.json / tauri.conf.json / Cargo.toml / docs/package.json，必须跑 sync-version.mjs）、CI 的 `--check` 漂移门禁、tag 撞车与 workflow_dispatch 重发路径、gh run 后台监控（禁主 agent sleep 轮询）、gh release…

按 request id 从 ~/.aidog/log.db 的 proxy_log 表读取单条 Aidog 代理请求的完整链路（入站请求→协议转换→上游请求→上游响应→回客户端），含状态码、token、est_cost、重试链；headers 自动脱敏，body 可 pretty-print。也支持列最近 N 条 / 按 group / 状态码筛选。触发词：request id、请求 id、日志 id、查请求、这次请求、上游发了什么、proxy_log、最近请求、失败请求、400/500 排查。

把你的常用技能/重复工作流沉淀成 skill，并优化已有 skill 的自包含元工具。CREATE 模式：捕获一段重复工作流→生成贴本项目约定的 SKILL.md 骨架（frontmatter+触发词、失败模式表、🔴 检查点、反例黑名单）。OPTIMIZE 模式：用内嵌 6 维 rubric 对已有 skill 做 git 棘轮优化（只保留分数提升的改动）。常用技能识别支持「用户口述」+「历史挖掘」(scripts/mine-workflows.py 扫 session jsonl+git…

aidog 用户流程与信息架构（IA）优化——梳理任务流、减少步骤与跳转、对齐 create/update 等成对操作的一致性、保存/同步/反馈时序、tab 与侧栏的信息层级。聚焦"用户完成一件事要点几下、会不会卡住、状态有没有反馈"，区别于纯视觉的 aidog-frontend-experience。触发词：流程、步骤太多、太繁琐、几下、卡住、一致性、create 和 update 不一样、保存没反应、状态不同步、信息架构、IA、导航结构、tab 太乱、找不到。

aidog（Tauri+React 桌面应用）前端体验优化——UI 视觉、布局、人机交互三合一。落地 Liquid Glass 风格、7 语言 i18n+阿拉伯 RTL、无路由本地 state 导航 + navGuard 离页拦截、formatters/shared 组件复用、主题 light/dark 双变量。视觉重构阶段调用 huashu-design skill 取设计品味。触发词：UI 优化、界面优化、视觉、好看、布局、对齐、间距、交互、体验、liquid…