Skills

收集咖啡萃取反馈，分析萃取过程，提出调整建议，并记录结果。当用户说：“/反馈”“我刚萃取了一杯咖啡”、“这杯怎么样？”“味道[酸/苦/平淡/好]”，给出星级评分，分享口感观察，或在萃取后询问“我该调整什么？”时使用此功能。全程掌控咖啡萃取反馈循环：收集、分析、品尝笔记，以及饮品呈现形式。

涵盖热评级模型（CIGRE TB 601、IEEE 738）、导线温度限值、悬链线物理（弧垂、张力、净空距离）、电气特性（电阻、电抗），以及标准合规性（CIGRE、IEEE、IEC）。在实施热模型、计算导线物理，或当用户询问“CIGRE 方程有哪些？”或“如何验证这一计算结果？”时，可加以应用。

通过恢复至检查点，安全地撤销变更。适用于验证失败、出现错误，或用户明确要求撤销操作时。此功能是CAVR模式恢复机制中的关键一环。

在任何实施操作之前，务必先行使用。通过对话探索各种想法，随后以全面的技术分析（捷克语版）呈现架构、阶段划分、风险分析，以及交叉核对与评审。

Python 开发原则与决策之道：框架选型、异步编程模式、类型提示、项目结构设计。重在培养思维，而非简单复制。

当执行过程中出现深层错误，需要回溯以找到原始触发源时使用——系统地通过调用栈向后追踪错误，识别无效数据的来源。

采用常规提交格式并结合安全校验，自动提交暂存的更改。适用于需要结构化、符合惯例的提交，并明确标注作用范围的场景。

利用并行子代理，为模块生成多种截然不同的界面设计方案。当用户希望设计 API、探索界面选项、比较模块形态，或提到“至少设计两次”时，可使用此技能。

借助网络搜索与官方来源核实文档中的事实性陈述，随后在用户确认后提出修正建议。适用于用户请求进行事实核查、验证信息、校验声明、检查准确性，或更新文档中过时的信息时使用。支持 AI 模型规格、技术文档、统计数据，以及各类通用事实性陈述。

优先采用工厂函数或模块，而非临时拼凑或“松散”的类，通过集中化对象的创建、依赖关系的配置、默认值设定以及依赖注入来提升代码质量。当您需要新增服务/客户端/管理器，重构类繁多的代码，或当用户提及工厂模式、实例化、依赖注入，或是频繁使用 `new` 关键字时，可选用此方法。

从流式与质谱流式细胞术数据中检测并去除双细胞。涵盖FSC/SSC门控以及计算型双细胞检测方法。适用于在聚类或定量分析前，过滤掉细胞聚集体时使用。