用途：pai-monitor 用于监控 danielmiessler/Personal_AI_Infrastructure 仓库的更新，识别可改进 Geoffrey 的机会。调用时可传入参数聚焦某一领域：packs 分析 PAI 包的新增与变更，hooks 分析钩子系统演进，skills 分析技能结构与模式，patterns 分析记忆、校验等架构模式；无参数则覆盖全部领域。
主要能力：分四个阶段工作。阶段一从 GitHub 获取 PAI 当前状态，包括 README.md、CLAUDE.md、releases 版本信息，浏览 Packs/ 目录列出全部包并抽样 hooks、algorithm、memory、skills 等关键包，检查近期提交中的新模式与破坏性变更。阶段二分析 Geoffrey 当前状态，读取 CLAUDE.md、README.md、.claude-plugin/plugin.json，用 skills/*/SKILL.md 建立技能清单，识别钩子、知识存储、技能结构、校验等现有模式。阶段三做差距分析，覆盖包与技能覆盖度、架构模式（钩子、记忆、校验）、文档约定（VERIFY.md、INSTALL.md）、对 Scaffolding > Model、Code Before Prompts、Deterministic Output、Goal → Code → CLI → Prompts、Test First 等原则的契合度，以及值得采纳的新功能。阶段四生成含执行摘要、近期变更、可采纳功能、模式改进、原则契合检查和分时段推荐动作的 Markdown 报告。
使用方式：资料未提供具体安装或调用命令，仅在阶段二中出现技能文件匹配写法 skills/*/SKILL.md。执行时应先获取 PAI 最新数据而非依赖缓存，如实评估 Geoffrey 现状，并按价值高低排序差距。
适用场景：需要让 Geoffrey 与 PAI 最新实践保持同步、评估自身架构缺口、或按 packs、hooks、skills、patterns 等方向做定向对比时使用。
限制：资料未说明该技能的收费、价格、支持平台与运行环境；其依赖 GitHub 仓库公开内容，若上游结构变化或访问受限，分析结果可能不完整。