用途：该技能用于生产环境事故的智能排查与修复，采用多智能体编排方式，把问题分析、根因调查、修复实现和验证串成一条系统化流程，强调定位根因而非只处理表象。
主要能力：流程分四阶段。一、问题分析：由 error-detective 与 debugger 智能体分析错误堆栈、日志、复现步骤和可观测性数据，理解故障上下文及上下游影响。二、根因调查：debugger 与 code-reviewer 智能体做深度代码分析、自动化 git bisect 定位引入问题的提交、依赖兼容性检查与状态检查，隔离具体失效机制。三、修复实现：由领域智能体（如 python-pro、typescript-pro、rust-expert 等）实施最小修复，并补充单元、集成和边界用例测试，遵循生产安全实践。四、验证：test-automator 与 performance-engineer 智能体运行回归套件、性能基准、安全扫描，确认未引入新问题。跨系统复杂问题需在专家智能体之间编排协作（如 database-optimizer → performance-engineer → devops-troubleshooter），并显式传递上下文与共享状态。
使用方式：适用于智能问题解决与多智能体编排相关任务，或需要该领域指导、最佳实践与检查清单时。使用时应先明确目标、约束与所需输入，应用相关最佳实践并验证结果，给出可执行步骤与验证方式。若需详细示例，可打开 resources/implementation-playbook.md。
适用场景：生产事故诊断与修复、回归问题追踪、跨系统故障协调处理，以及希望通过监控告警自动化、类型系统增强、静态分析规则和错误处理模式改进来预防同类问题。
限制：不适用于与该领域无关的任务，或需要此范围之外的其它领域与工具时。资料未提供具体安装命令、收费方式、支持平台及效果数据。