用途：turbocharge 用于把已经正确的工作流推向更高性能，而不是增加新功能。它强调先理解项目规模，再决定什么算“非凡”。
主要能力：面向高吞吐场景提供并行扇出（拆分输入、并行处理、合并结果）、流式管道、渐进式质量与智能批处理；面向延迟敏感场景提供推测执行、缓存热路径与模型级联；面向可靠性场景提供自动故障转移、状态检查点与混沌测试；面向自适应场景提供复杂度路由、动态模型选择与反馈驱动优化。
使用方式：资料要求先调用 /agent-workflow 获取工作流原则、反模式与上下文收集协议；若尚无工作流上下文，必须先运行 /teach-maestro。随后提出 2-3 个方向及权衡，等待用户选择后再写代码。响应需以指定标题行开头。完成后建议运行 /evaluate 验证增强效果与降级表现。
限制：渐进增强不可妥协，每项技术都必须能优雅降级，关闭增强后工作流仍须可用。禁止在工作流正确之前优化、未测量就增加复杂度、未测试自愈就构建自愈、一次叠加多种技术。需通过性能、降级、成本与可维护性四项测试。具体命令与实现细节以原始资料为准。