找到好用的 AI，让想法更进一步。

检查整个仓库中过度抽象、重复能力和可简化部分。

组织 Neon AI Gateway 的模型调用和项目分支关联配置。

组织 Neon 分支上的服务函数、请求处理与部署。

梳理归因模型、渠道数据差异与增量评估方法。

查找数据库过量读取与传输来源，提出查询改进方案。

规划与项目分支关联的对象存储和文件上传接入。

评审修改中的不必要依赖、抽象与重复实现。

将 Firebase 扩展整理成独立 Cloud Functions 代码或可复用包。

根据数据模型和访问需求设计、重构与验证安全规则。

选择用于开发和迁移测试的分支类型及生命周期。

通过发散与收敛思考，把模糊想法整理为可执行概念并检验假设。

组织构建、测试、质量检查与部署流程，帮助配置或改进 CI/CD 自动化。

规划旧系统、API 或功能的退出与迁移，包括生产数据库的渐进式变更。

帮助识别当前任务适用的代理技能与工作流，组织技能的发现和调用。

通过独立视角审查重要假设与设计决定，发现计划中的隐藏失败模式。

借助 Chrome DevTools MCP 检查 DOM、控制台、网络请求和性能，验证真实浏览器中的行为。

把质量要求记录为明确约束，并检查变更是否弱化测试、静态检查或性能门槛。

在实现前核对官方文档，用明确来源验证技术方案和接口用法。