这项技能允许生态系统向其他开源项目“学习”。

该技能充当单一存储库集体智慧的门户，支持公共数据和机密数据之间的分层访问模型。

该技能利用三层提取模型从各种文档格式中“挖掘”意义和美感。它将纯内容与设计和元数据分开，从而实现高保真分析和重用。

入口点：/faion-net — 调用此技能自动路由到适当的域。

此技能描述了如何遵循 torch/_tensor_docs.py 和 torch/nn/function.py 中的约定，为 PyTorch 项目中的函数和方法编写文档字符串。

@./../_shared/元数据库样式指南.md

这项技能教会代理如何将 ExoPriors/Scry 原语链接到完整的研究工作流程中。它不重复个人技能的细节；它引用它们并定义如何组合它们。

此技能提供了按照 Diataxis 框架编写有效教程的模式。教程是以学习为导向的内容，读者在老师的指导下边做边学。

参考文档以信息为导向——帮助有经验的用户快速找到精确的技术细节。这项技能提供了编写清晰、可浏览的参考页的模式。

这项技能提供了在文档中编写有效的操作指南的模式。操作指南是面向任务的内容，适合有特定目标的用户。

这项技能提供了编写有效的解释文档的模式。解释是面向理解的内容，适合那些想知道事物为何如此运作的读者。

将 ExDoc 添加到 mix.exs deps 中：

ExDoc 和 mix docs 等工具提取 @moduledoc 和 @doc 的第一段作为摘要。保持开场白简洁且独立。

在报告任何问题之前加载并遵循审查验证协议。

在编写或审查文档时应用这些原则，以确保人类读者和法学硕士的清晰度、一致性和可访问性。

Dobling 是一个文档解析库，可将 PDF、Word 文档、PowerPoint、图像和其他格式转换为具有高级布局理解的结构化数据。

按照 MADR 模板生成架构决策记录 (ADR)，并进行系统完整性检查。

通过结构化审查改进头脑风暴或计划文件。

目的：自动记录已解决的问题，以通过基于类别的组织（枚举验证的问题类型）构建可搜索的机构知识。

通过结构化审查改进头脑风暴或计划文件。