用途：审查并调优游戏平衡，覆盖难度与成长曲线、单局节奏、选项或策略取舍、奖励经济。适用于用户提出平衡审计或调优请求的场景。
主要能力与流程：
- 检查项目与请求：识别引擎或运行时、入口点、运行与测试命令、设计文档及可调数值所在位置；区分审计（仅给方案）与调优（可应用数值改动）。
- 确定目标：从设计文档或用户处读取目标；若未指定，则读取 deriving-targets.md 并采用其中最强来源，在报告中注明来源；无来源时保留结论而不臆造阈值。相关目标包括单局时长、受众、难度、失败预算、选择价值与经济节奏等。
- 选择并界定模型：按问题选择成长/难度、选项/策略、经济或单局节奏模型，并阅读 modeling-patterns.md 对应章节。记录数值的文件与行号，聚焦受影响的循环。若项目使用实时调参面板，需读取实际生效值而非出厂默认值。
- 测量现状：优先使用项目支持的最强方法——带记录种子的可复现模拟、由可调数值推导的计算，或观测单局记录；报告结果分布或对比而非只说“平衡/不平衡”，并区分测量值与基于来源的估计。
- 诊断与改动：指出具体缺陷（平坦曲线、断崖、支配性选项、刷取、失控领先、无效选择、过度空闲、超出目标范围等）；每项提议需给出文件、数值、当前→提议、预期效果与证据；优先最小一致改动集。仅在请求授权时应用数值改动；机制、内容或胜利条件改动应单独提议。改动应落在数值定义处，并同步更新同键的样式回退。
- 验证：授权改动后重跑同一测量，要求可对比的前后结果、记录假设与不确定性、复查受影响循环的回归与意外支配选择，未验证结论需明确标注。
限制：保持预期手感（“困难”也是合法目标）；随机结果按分布判断，方差过大本身可能是平衡缺陷；若相同种子与输入产生不同结果，属于确定性缺陷，应改用 determinism-audit 技能。
资料未提供具体安装命令、平台与收费信息。