为 MNN 框架添加新的 LLM 模型支持。支持从 HuggingFace/ModelScope 下载模型，分析架构，添加映射，Hook 对齐测试，导出 MNN 模型。采用 TDD 模式，分 6 步执行，每步有独立测试标准。
为 MNN 框架新增算子。包含 Schema 定义、形状计算、几何计算、后端实现、单元测试的完整 TDD 流程。分 5 步执行，每步有独立测试标准。
MNN ARM CPU 算子性能优化。涵盖计算拆解、函数复用、多线程、数据排布、ARM 汇编编写。采用"先正确，再加速"原则，基于性能基准测试驱动优化。
| name | retrospective |
| description | 任务完成后的反思与经验沉淀。审视本次执行过程，将教训更新到对应 skill 中，驱动所有 skill 持续进化。 |
触发条件：任何非平凡任务完成后（尤其是经历了 debug 的任务），主动执行此 skill。也可由用户显式触发。
服务对象：所有 skill。本 skill 的产出是对其他 skill 文件的更新，不产生代码。
最大的风险是"觉得差不多了"的幻觉——结果不达标时，找外部原因搪塞然后降低要求宣布完成。
常见的自我欺骗模式：
正确做法：
每个子任务开始前明确三件事：
| 教训类型 | 更新位置 |
|---|---|
| 某个 skill 流程中的陷阱 | 该 skill 的 common-pitfalls 或步骤文件 |
| 通用工作方法论 | 该 skill 的 SKILL.md 顶层注意事项 |
| 跨 skill 通用经验 | memory 系统 |
