用途：skill-tuning 是面向技能（skill）执行问题的自主诊断与优化工具，可检测并修复上下文爆炸、长尾遗忘、数据流中断等执行异常。
主要能力：内置优先级问题分类，P0 作者违规、P1 数据流中断、P2 Agent 协调、P3 上下文爆炸、P4 长尾遗忘、P5 Token 消耗；提供对应修复策略，如 eliminate_intermediate、minimize_state、state_centralization、schema_enforcement、error_wrapping、result_validation、sliding_window、path_reference、constraint_injection、checkpoint_restore、prompt_compression、lazy_loading。支持六类诊断：context、memory、dataflow、agent、docs、token_consumption；可调用 Agy CLI 进行深度分析，并生成报告、提出与应用修复、复测验证。
使用方式：命令示例 /skill-tuning "Fix memory leaks in my skill"、/skill-tuning "Architecture issues in async workflow"、/skill-tuning "Optimize token consumption and fix agent coordination"、/skill-tuning "My skill produces inconsistent outputs"。运行前可选读取 .workflow/codebase/ARCHITECTURE.md、maestro load --type spec --category coding、maestro search "skill design optimization" --json。状态保存在 {run_dir}/outputs/skill-tuning-{ts}/state.json，含 final_report 与 applied_fixes。
适用场景：技能执行出现上下文膨胀、状态分散、格式不一致、链路脆弱、早期约束丢失或提示词冗长时。
限制：官方页面未提供收费、价格、平台与效果数据；问题检测规则、严重度计算与策略实现细节需参考 specs/problem-taxonomy.md 与 specs/tuning-strategies.md，资料未完整展开。