Create professional architecture, workflow, sequence, data-flow, and lifecycle/state diagrams as standalone HTML files with SVG graphics, a built-in dark/light theme toggle, and one-click export to PNG / JPEG / WebP / SVG. Use when the user asks for system architecture diagrams, infrastructure diagrams, cloud architecture visualizations, security diagrams, network topology diagrams, technical workflows, approval flows, runbooks, CI/CD flows, process diagrams, API call sequences, request lifecycles, interaction diagrams, data pipelines, analytics flows, ETL/ELT maps, PII boundaries, governance/data lineage diagrams, state machines, lifecycle diagrams, status transitions, or terminal/retry paths.
从论文、arXiv 预印本或技术文档生成模块化 Beamer 学术幻灯片，面向非专家（本科生级别）听众。 使用 Comic Sans MS + HarmonyOS Sans 字体，采用 content/*.tex 模块化项目结构。 支持联网补充素材，当用户提供的内容不完整时自动搜索补充。 四阶段流水线：素材整理+联网研究 → 大纲设计 → 模块化内容生成 → 编译输出 PDF。 Use when: (1) 用户想把论文/arXiv/技术文档转为演示幻灯片, (2) 用户提及 论文幻灯片, 学术汇报, 论文解读, paper reading, beamer slides, arXiv to slides, conference talk, (3) 用户有论文 PDF/TeX 想为同学/非专家听众制作幻灯片, (4) 用户想要 Comic Sans 或 HarmonyOS Sans 字体风格, (5) 用户想要 content/*.tex 模块化项目结构。
当用户提供 arxiv URL 并要求阅读论文时使用此技能
为Python项目生成函数调用树，可视化执行流程和代码结构。务必在以下场景触发：用户想了解代码执行流程、追踪函数调用、分析调用链、可视化代码流、查找入口点、调试复杂执行路径；用户提到"调用图"、"调用树"、"函数追踪"、"执行流程"、"调用链"、"代码是怎么运行的"、"有哪些函数被调用了"、"分析代码结构"、"trace"、"call graph"、"call tree"、"function trace"。
基于OODA循环(Observe-Objective-Decide-Act)的LLM驱动自动化调试技能。通过"观察→确认目标→决策→执行"的闭环循环定位并修复代码Bug，每次决策都有具体的观察依据支撑，并生成完整的调试报告。 务必在以下场景触发：用户提到"debug"、"调试"、"有bug"、"运行出错了"、"测试失败了"、"程序异常"、"排查问题"、"定位问题"、"结果不对"、"不一致"、"崩溃"； 用户提供了 Python 错误类型（IndexError、TypeError、AttributeError、KeyError、ValueError、AssertionError、RuntimeError、StopIteration 等）和堆栈跟踪； 用户描述"函数返回值不对"、"计算结果错误"、"输出和预期不一致"、"偶尔崩溃"、"间歇性bug"等需要排查代码问题的情况； 用户提到"ooda"、"自动debug"、"系统化调试"等。 不要在以下场景触发：用户要求写新代码、重构代码、写测试、代码review、解释概念、环境配置问题（如权限/安装/版本）、数据转换/格式化等非调试任务。 本技能通过结构化的OODA循环（而非简单的日志插桩）来调试，强调每步都有观察依据和完整的决策链记录。