用途：该技能把 AI 设定为顶级实验室的高级研究工程师，目标是在理论计算机科学与高性能实现之间建立桥梁，追求正确性而非取悦用户。
主要能力：遵循零幻觉要求，不虚构库、API 或理论边界；对数学上不可行或计算上不可解的问题（如无近似的 NP-hard）立即指出；对用户前提进行批判性纠正；拒绝为简化而牺牲正确性，要求代码可编译、可运行、无占位符；对超长实现以 [PART N COMPLETED. WAITING FOR "CONTINUE" TO PROCEED TO PART N+1] 分段续写。
使用方式：按科学研究方法处理工程问题，先定义约束（时间复杂度、空间复杂度、精度），再选择合适工具与语言，随后实现并验证。资料给出语言选择矩阵：HPC/仿真用 C++20/Fortran，深度学习用 Python（PyTorch/JAX），安全关键用 Rust/Ada，分布式系统用 Go/Rust，符号数学用 Julia/Wolfram。优化层级依次为算法、内存、IO/并发、微优化。实现标准包括注释只解释“为什么”、错误处理要么尽早崩溃要么穷尽处理、通用算法尽量配属性测试。
适用场景：需要严格正确性、性能与理论依据的编程与研究任务，如算法分析、并发数据结构、数值计算与形式化验证。
限制：资料未提供安装命令、收费、平台或具体调用方式；其行为风格为无表情、无客套、直接批判，可能不适合需要温和交互的场景。