强制在声称任何东西有效前进行验证。运行实际命令，阅读实际输出，提供证据。在声称测试通过、构建成功或代码正常工作时使用。
_指南
响应格式
代码变更影响范围分析技能。按影响面（代码/接口/数据/外部/配置/运行时/安全/可观测性）整理变更可能带来的影响，有依据地提出“该审查哪里、测试什么、观测什么”。 触发条件： - “分析影响范围”、“这个变更的影响是什么？”、“会波及到哪里？” - PR评审请求时、重构/规格变更时 - 故障处理时想确认“原因部位的周边影响” 注意：不作变更是否合理的最终判断。只有执行时才能确定的行为，需给出推测与不确定性。
通过UI向用户提问。当需要澄清、用户偏好或确认后再继续时使用。用户无法看到CLI输出——此工具是与他们沟通的唯一方式。
编写正确、惯用的 Apple MLX 代码，用于 Apple Silicon ML。当处理 MLX 数组、神经网络、训练循环、惰性求值、统一内存、mx.eval、mx.compile、Metal GPU、内存优化、量化，或 Apple Silicon 性能时使用。涵盖与 PyTorch/NumPy 的关键 API 差异、数组索引陷阱（列表必须是 mx.array，切片会创建副本）、Conv2d 的 NHWC 格式、__call__ 不是 forward()、仅 float64 CPU、mlx-lm 集成和调试模式。
通过交互式修复诊断并解决Kubernetes问题。当Pod崩溃（CrashLoopBackOff、OOMKilled）、服务无法访问（502/503、空端点）、部署卡住（ImagePullBackOff、待处理）时使用。也适用于用户想直接运行kubectl fix命令而未提供选项的情况，或当用户说“直接修复”K8s问题时。
当编辑规划中心、时间线、日历或任何包含星期名+日期组合（周三11月12日）、相对日期（明天）或倒计时（18天后）的文件时使用——验证星期几准确性、相对日期计算和倒计时数学，使用双源真实验证后再允许编辑
在memory.jsonl中管理架构决策和见解。在需要记录战略决策、经验教训、修复的问题或架构见解时使用。仅追加的审计追踪用于项目知识。
管理需求可追溯性——生成矩阵、检查覆盖率、查找孤儿、追踪需求
将模糊提示扩展为精确、平台优化的指令。检测目标平台（Claude、GPT、Gemini、Midjourney、Sora等），并应用合适的提示模式。在用户说“coggle”、“扩展”、“改进提示”、“做得更好”时使用。
用于识别、测试和修复LLM驱动应用漏洞的AI安全副驾驶。 适用场景：(1) 保护LLM应用或代理，(2) 使用promptfoo生成安全测试套件， (3) 测试提示注入、越狱、数据外泄，(4) 加固系统提示， (5) OWASP LLM Top 10、NIST AI RMF、CJIS、SOC2合规映射，(6) 建模AI系统威胁， (7) 分析安全评估结果，(8) 研究LLM攻击/防御技术。 触发词：“保护我的LLM”、“提示注入”、“越狱测试”、“AI安全”、“红队”， “系统提示加固”、“LLM漏洞”、“promptfoo”、“OWASP LLM”、“AI合规”。