| name | doc-update |
| description | 以源码为唯一事实来源，系统性核对并更新项目文档，确保内容与实现一致、多语言文档 1:1 对齐、结构完整。 |
| trigger | 用户提到"刷文档"、"更新文档"、"check 文档"、"doc audit"、"文档审查"等关键词时加载。 |
以源码为唯一事实来源，系统性核对并更新项目文档。保证多语言文档对齐、配置表准确、代码引用正确、章节编号连续。
vX.Y.Z 很快过时，用功能描述替代。读取约束：每次只读 1–3 个文件，避免单次读取过多导致上下文溢出。
若用户未指定目标文档：
doc/、docs/、README*.md）列出所有语言的文档目录，建立跨语言映射表，标出缺口。发现缺口时向用户报告，不自行创建。
根据文档主题定位权威源码文件。常见对照关系：
| 文档主题 | 权威源码 |
|---|---|
| 配置表 | 配置文件、环境变量模板 |
| CLI / 命令 | 命令解析器、枚举定义、常量集合 |
| 模块功能 | 对应模块的入口文件、枚举类、路由表 |
| API 文档 | 路由定义、接口描述文件 |
在源码中搜索关键符号，定位后读取具体内容。
配置表审计：
代码引用审计：
结构检查：
| 修复类型 | 操作 |
|---|---|
| 补缺失章节 | 在正确位置插入，然后所有后续章节号 +1 |
| 修正数值 | 以源码值为准，覆盖文档中的错误值 |
| 补全列表 | 新增遗漏的枚举成员、环境变量、配置项 |
| 移除版本标签 | 去掉版本号，改用功能描述 |
| 修正错别字 | 统一产品名、修正文字错误 |
重编号要领：插入新章节后，逐个修改后续章节号 +1，不得批量替换，以免误改其他位置出现的相同数字。
agent/skills → workspace/agent/workspace/skills/）。文档应记录配置文件中的原始值，而非运行时解析后的路径。3600 的情况较为常见。应以实际值为准，注释不可作为依据。| 分隔，搜索短文本时易匹配到相邻列的分隔符，应携带足够的上下文以确保定位准确。Build and maintain a persistent knowledge base (LLM Wiki) using native backend tools. Supports ingesting PDFs, Markdown, and TXT files, and querying or linting the data. Use this whenever the user wants to add, retrieve, or manage their own local knowledge base and documents.
进阶版日报生成器，支持多数据源采集、工作分析、趋势对比、周报月报聚合
代理执行 AKG 算子任务。先检查固定仓库与分支；若 `~/.akg/check_env.md` 不存在则强制 `FULL_SETUP=true`；忽略所有 `akg_cli` 检查和使用；后端代码生成直接执行 `run_workflow.py --workflow kernelgen`。
为昇腾算子在源码中接入 TRACE_POINT 与 MoeTracing，串通 trace_preprocessor、profiling tensor、point_map.json、 save_profiling_data 与 trace_collector 生成 Chrome trace。强调门禁 G1–G5：全链路预处理与 OPP、profiling 为数据输出最后一位、 整条编译与示例脚本联调、落盘路径在 spawn 前 resolve。遵循函数级粒度与就地扩展，禁止另注册 xxx_profiling 类第二入口， 保持原 Op 与 torch.ops 名称及签名不变。在用户提到算子打点、Profiling、Chrome trace、MoeTracing，或将结论写入本 skill 时读取。
在用户提供 Chrome/Perfetto trace.json、或排查 Ascend 上 MoE/FusedDeepMoe 等算子性能时使用。按 phase、category、core group、tid 统计耗时、overlap、bubble，输出 CSV、Markdown 报告与确定性诊断；可选外部 LLM 扩写分析。默认 phase 映射面向 UMDK FusedDeepMoe，其它 trace 需替换或扩展 config/phase_map.yaml。
跨会话检索聊天原文（记忆不足时再用）。在回答任何关于历史事件、日期、人物、过去对话的问题时，如果记忆中没有相关信息或不足以回答，则需要使用跨会话检索聊天原文。用 mcp_exec_command 执行 scripts/search_history.py，读 ~/.jiuwenswarm/agent/sessions/*/history.json。支持 channel、session_id、关键词、时间窗。如果搜索结果不足，尝试用不同的关键词再次搜索。