用于构建生产 RAG 系统的综合模式。每个类别在规则/按需加载中都有单独的规则文件。

这项技能教会代理如何评估任务复杂性，实施质量关卡，并防止在不完整或定义不明确的任务上浪费工作。

NotebookLM = 外部 RAG 引擎，可减轻上下文窗口中的读取负担。使用 Notebooklm-mcp-cli MCP 服务器 (PyPI) 创建笔记本、管理源、生成内容以及通过接地 AI 响应进行查询。

集成来自领先多模态模型的视觉、音频和视频生成功能。涵盖图像分析、文档理解、实时语音代理、语音转文本、文本转语音和 AI 视频生成（Kling 3.0、Sora 2、Veo 3.1、Runway Gen-4.5）。

通过 mcp__memory__* 进行知识图编排，用于实体提取、查询解析、重复数据删除和交叉引用增强。

通过 gh CLI 跟踪 GitHub 问题进度的仪式指南。确保随着工作从开始到 PR 的进展，问题保持更新。

并行子代理执行，用于通过范围控制和反射实现功能。

这项技能为在 React 应用程序中实现国际化提供了全面的指导。它确保所有面向用户的字符串、日期显示、货币、列表和时间计算都是区域设置感知的。

用于项目管理的全面 GitHub CLI ( gh ) 操作，从基本问题创建到高级 Projects v2 集成以及通过 REST API 进行里程碑跟踪。

通过基于假设的根本原因分析、类似问题检测和预防建议来系统地解决问题。

查看和管理从您的使用情况中学习的 OrchestKit 反馈系统。

使用 3-5 个并行代理进行多角度代码库探索。

分析从 Claude Code 会话中捕获的错误，以识别模式并获得可操作的见解。

使用实体、值对象和有界上下文对复杂业务领域进行建模。

/ork:doctor 命令对您的 OrchestKit 安装执行全面的运行状况检查。它自动检测已安装的插件并验证 12 个类别：

适用于 CI/CD 管道、容器化、部署策略和基础设施自动化的综合框架。

全面的公关创建和验证。所有输出都直接发送到 GitHub PR。

用于自定义 OrchestKit 安装的交互式设置。

简单、经过验证的提交创建。在本地运行检查，标准提交不需要代理。

该技能为有效的代码审查提供了一个全面的框架，可以提高代码质量、共享知识并促进协作。无论您是提供反馈的审阅者还是准备代码供审阅的作者，本手册都可确保审阅彻底、一致且具有建设性。