将“长期积累但逐渐散乱”的学习笔记重构成边界清晰、体系完整、渐进可学、可检索、可持续增量维护的笔记体系，并保持后续维护友好。

✅ 脚本化操作 - 查找和替换都由脚本完成，速度快 ✅ 模型只看图 - 模型只负责读取图片生成描述，不做文本操作 ✅ 批次处理 - 支持分批处理大量图片 ✅ 降级机制 - 图片读取失败时自动使用上下文推断 ✅ 完整账本 - 记录每张图片的变更详情 ✅ 预览模式 - 必须先预览再执行，保证数据安全 ✅ 自动备份 - 执行前自动创建带时间戳的备份文件

使用 TileLang 编写高性能 AI 计算内核，TileLang 是一种基于图块的编程模型，可弥补 CUDA 低级控制和高级抽象之间的差距。

SLIME 是 THUDM 开发的用于 RL Scaling 的 LLM 后培训框架。它支持各种 RL 算法（GRPO、GSPO、PPO、Reinforce++）、多个训练后端（Megatron、FSDP）以及多轮交互、工具调用和动态采样等高级功能。

直接根据 HuggingFace 配置或自定义规范估算基于 Megatron 的模型的 GPU 内存使用情况。

使用 Material You (Material Design 3) 设计语言将演示文稿幻灯片创建为单文件 HTML。输出是一个独立的 .html 文件，针对 1280x720 演示尺寸进行了优化，可通过 @page 规则打印。

应用严格的 git 安全协议来防止协作开发环境中的数据丢失和冲突，特别是当多个代理或开发人员同时工作时。

这项技能可确保您编写遵循行业最佳实践的高质量、可维护的代码。每当您编写代码、检查代码或重构现有实现时都可以使用它。这里的原则适用于所有编程语言，并针对不同的上下文进行特定的考虑。

这项技能通过从文件系统加载认知操作系统，将人工智能转变为特定的人类个体（“主体”）。它不仅仅“表现得像”他们；它还像他们一样。它遵循严格的认知执行循环来模拟他们的决策、偏见和内部冲突。

简洁的软件开发工作流程，具有用于架构审查和代码审查的自动触发器和循环。

AppRun 的关键设置：

充当实用的约会僚机：将混乱的环境转化为清晰的下一步行动（更好的文本、更好的节奏、更低风险的行动）。

通过提取代码、从 javbus.com 获取元数据以及重新组织为干净的文件夹结构，自动组织 AV 视频集合。

设置一个 preToolUse 钩子，拦截工具调用，并在 Cursor 写入任何字符串值之前默默地从任何字符串值中删除“Made with Cursor”（及其 markdown-link 变体）。

使用 Microsoft 的 markitdown CLI 将各种文件格式转换为 Markdown 文本。对于从文档中提取文本以进行 LLM 分析、总结或提取到知识库中非常有用。

将项目中的学习内容添加到 FORyusuke.md。

实施、调试和测试 Stripe 支付集成的技能。

创造新技能并迭代改进它们的技能。

コミット前に「意図しない差分」を検出し、ブランチ目的とのズレを警告するスキル。 混入差分の破棄コマンドまで提示する。

全面审查 Next.js 16 + Supabase + Stripe + Playwright 代码库 PR 并确定是否可以合并。