找到好用的 AI，让想法更进一步。

从实际操作和验证结果检查任务是否完成。

先追踪实际代码和数据，再形成修改或诊断结论。

为已安装的 BMad 技能编写或更新定制覆盖配置。

结合任务计划、代码差异和提交证据整理阶段复盘。

通过提问和不同角色视角检验想法中的薄弱环节。

分析切片、map、容器和泛型集合的使用方式，理解容量、复制与内存行为。

使用 samber/mo 的 Option、Result 等类型表达可选值与结果。

围绕 samber/hot 设计缓存过期、淘汰、加载与监测。

编写和比较 Go 基准，利用 pprof、trace 与 benchstat 分析性能证据。

围绕市场、竞争和需求开展业务分析对话。

为 AI 回答等对话广告场景准备完整、贴合上下文的文案。

设计 RevOps 岗位标准、结构化面试和工作样题。

核对代码评审建议的依据，再规划适当修改。

执行与结果相关的检查，用实际证据支持完成结论。

了解技能发现、选择与调用的工作约定。

查询和组织模型、字段、关系与记录。

组织工作空间文件与资料库，准备智能体检索所需内容。

评估灯光、阴影与全局光照配置，规划场景照明。