brainstorm

脑力激荡 (brainstorm) 技能作为智慧研究伙伴，旨在将模糊的目标转化为大型语言模型 (LLM) 强化学习的具体技术计划。无论您是在构建自定义环境 Harness、设计新颖的评估准则，还是透过 GEPA 优化提示词，此技能都能提供结构化框架，将您的目标对应至 Verifiers 生态系统。它专为研究人员和机器学习工程师设计，协助他们利用本地原始码锚定、Prime CLI 原语以及既有的 RL 训练器工作流程，从构想快速迈向实验阶段。

• 促进迭代式脑力激荡会议，弥补高阶研究意图与底层实作逻辑之间的差距。

• 提供对 Verifiers 架构（包含 RLMEnv、BrowserEnv 与 taskset 设计）的深入基础知识，确保规划与 prime-rl 原生相容。

• 引导使用者选择最佳模型系列，例如 instruct-first 与 reasoning-first 端点，并透过 endpoints.toml 建议可重复的实验配置。

• 透过识别关键杠杆（环境迁移、基准测试设计、提示词优化与 RL 训练策略）来自动化初步探索工作流程。

• 内建专用概念教学模式，解释复杂的 RL 指标、轨迹追踪 (rollout tracking) 以及二元奖励与连续奖励训练的影响。

• 首先说明您的具体研究目标、预算与预期时间表，以获得客制化的环境或评估蓝图。

• 使用此技能探索 2025 年中以后的文献或基准测试策略，确保您的研究方法保持领先。

• 预期产出包含结构化的问题框架、优先排序的实验里程碑，以及研究计划的明确决策点 (go/no-go gates)。

• 在执行前，请确保已使用 prime lab setup 准备工作区，以维持与必要的 CLI 及 Python 环境配置的相容性。

• 请注意，此技能可能会建议将 prime-rl 或 prime-cli 等储存库复制到 /tmp，以便在起草实作计划前确保对最新原始码的准确掌握。

• 请务必标示平台限制，并尽量使用官方首选工具，以维持专案稳定性，并简化与 Prime Intellect 平台的整合。