用途：该技能用于诊断和修复 cuOpt 的 LP/MILP 求解问题，包括报错、结果错误、空解、不可行、无界以及性能过慢等情况。使用前需先明确问题症状（报错信息、结果异常、空解、性能问题）、problem.Status.name 的实际取值，并获取完整错误文本、产生错误的代码和问题规模（变量数与约束数）。
主要能力：按症状提供快速诊断。若状态看似正常但解为空/None，最常见原因是状态字符串大小写写错——应使用 PascalCase 如 "Optimal"、"FeasibleFound"，而非 "OPTIMAL"，并可用打印实际状态与两种匹配结果的代码核对。目标值为零或错误时，检查变量是否真正被使用、约束是否过紧、目标系数符号以及目标中变量是否正确。不可行时检查约束冲突（如 x<=5 与 x>=10）、边界过紧、软约束缺少松弛变量。整数变量出现小数时，检查变量是否以 INTEGER（而非 CONTINUOUS）定义，并确认状态是否为 FeasibleFound。无界时检查变量上下界缺失、约束方向写反或约束缺失。构建大型表达式触发递归深度超限时，改用 LinearExpression(vars_list, coeffs_list, constant=0.0) 并配合 setObjective(expr, sense=MINIMIZE)。内存不足时可减少问题规模、使用稀疏约束矩阵或设置时间限制先获取部分解。
使用方式：通过设置 SolverSettings 参数辅助排查，如 settings.set_parameter("log_to_console", 1) 查看进度、set_parameter("time_limit", 60) 限制等待时间、对 MILP 用 set_parameter("mip_relative_gap", 0.05) 接受 5% 相对间隙；求解后用 problem.SolveTime 查看耗时。资料还提供了解读对偶值与检验成本的参考（resources/interpreting_duals.md），但指出整数模型（MILP）与二次约束不返回可用对偶值。诊断清单包括：状态大小写是否正确、变量 vtype 是否正确、约束方向是否正确、目标 sense 是否正确、变量边界是否按需指定。
适用场景与限制：适用于 cuOpt LP/MILP 的报错定位、状态码核对、不可行/无界分析、整数解异常和性能调优。提交可复现的最小示例 GitHub issue 时需附 cuOpt 版本、CUDA 版本、错误信息与最小复现代码。资料未提供具体版本支持范围、安装步骤与价格信息。