Dados e Análise

Analisa arquivos de dados de balanceamento de jogo, fórmulas e configurações para identificar anomalias, progressões quebradas, estratégias degeneradas e desequilíbrios econômicos. Utilize após modificar quaisquer dados ou designs relacionados ao balanceamento.

Realiza a validação de projeto inverso em ciclo fechado, resolvendo um problema inverso em um modelo surrogate treinado. Em seguida, verifica com Abaqus FEA, comparando os campos de deslocamento previstos com os reais e reportando métricas de erro para quantificar a lacuna entre o surrogate e o FEA.

Configura o motor de jogo e a versão do projeto. Fixa o motor em CLAUDE.md, detecta lacunas de conhecimento e preenche a documentação de referência do motor via WebSearch quando a versão está além dos dados de treinamento do LLM.

Padrões de Unity ScriptableObject para gerenciamento de dados, configuração e sistemas em tempo de execução.

Esta ferramenta recupera a lista de GameObjects raiz na cena especificada. Use a ferramenta 'scene-list-opened' para obter a lista de todas as cenas abertas.

ACTIVATE when the user asks about NIS2, Cyberbeveiligingswet (Cbw), NIS2 applicability, NIS2 gap analysis, or NIS2 compliance assessment. Interview-driven gap analysis with 5-level maturity scoring field-tested by security consultants.

Atualiza ou cria um arquivo de script com o código C# fornecido, realizando AssetDatabase.Refresh() ao final. Detalha erros de compilação se houver falhas de sintaxe. Use a ferramenta 'script-read' para ler arquivos de script existentes primeiro.

Gera e mantém uma Camada de Contexto de Negócios orientada para a empresa em grandes projetos de backend, melhorando a compreensão de LLMs e auxiliando na documentação. Suporta diversas stacks de backend e é ideal para sistemas complexos e orientados a negócios.

Search the codemunch index for symbols matching a name, pattern, kind (function/class/method), or file. Returns a compact list of matches with location and signature — no source code read until you fetch. Use this to explore unfamiliar codebases token-efficiently.

One-time interview that captures the business context (industry, model, primary conversion, traffic range, ICP, data stack) into a local analytics-profile.md file. Every other analytics skill reads this file so its answers are calibrated to the right benchmarks and terminology instead of generic averages.

Automatic index freshness gate. Called before any query command (search, fetch, refs, explore) to ensure the index exists and is up-to-date. Handles first-run setup, incremental re-indexing, and staleness detection — so users never need to manually index.

Normalize and fix messy data fields using AI. Use when normalizing addresses, standardizing company names, fixing inconsistent date formats, cleaning CSV data before import, correcting typos in bulk data, normalizing phone number formats, standardizing job titles, cleaning up free-text fields, data quality improvement with AI, fixing formatting inconsistencies, bulk data normalization, preparing m