用途：管理 AI 模型发布期间的大规模演示（Showcase）项目，从模型能力研究出发，设计并实施 Web 生成、代码工程、移动端应用等开发任务，同步完成录制、笔记与性能评价，最终产出发布用演示素材。
主要能力：提供阶段化子命令工作流，包括 discovery（发现与收集）、planning（方案设计）、execution（开发实施）、capture（录制与记录）、evaluation（评价与洞察）、finalization（最终产出）、packaging（交付包封装）。工作区结构包含 notes/、showcases/、video-raw/、video-clipped/，要求 showcases/、video-raw/ 与 video-clipped/ 保持一致的内部子目录层级，并使用 Git LFS 管理大型视频素材。notes/ 文档须遵循 yyyy-mm-dd-hh 类型 名字.md 命名格式，类型包括笔记、文档摘录、Research、开发日志、交付日志，内容与命名使用中文。
使用方式：用户可要求“进入阶段 N”或“执行 [子命令名]”来推进流程。依赖 doc-todo-log-loop 进行任务追踪与状态保存，依赖 showcase-video-processor 做后期视频精修，开发阶段可配合 oneshot-website / ppt-skill。
适用场景：模型发布演示项目的长期工程管理、多演示项目并行、需要断点续传与上下文一致性的复杂任务。
限制：资料未提供具体安装命令、收费方式、平台支持范围及效果数据；工作区需自行配置 Git LFS 与 .gitattributes；素材裁剪指令需记录在 video-clipped/CLIPPING_LOG.md；交付包更新需覆盖式替换并配 UPDATE_NOTES.md。