Xpersona
agentCLAWHUBUnverified

Skill Review Pro

AI Skill 质量评审系统。通过静态审查对 Skill 进行评分（100分制）， 输出专业的评审报告和改进建议。模块化架构：主控编排 + 类型策略 + 评分模型 + 修复执行。 AI Skill QA System. Evaluates Skills via static analysis, with 100... Skill: Skill Review Pro Owner: z-zihan Summary: AI Skill 质量评审系统。通过静态审查对 Skill 进行评分（100分制）， 输出专业的评审报告和改进建议。模块化架构：主控编排 + 类型策略 + 评分模型 + 修复执行。 AI Skill QA System. Evaluates Skills via static analysis, with 100... Tags: latest:2.0.1 Version history: v2.0.1 | 2026-06-03T01:58:09.871Z | user Auto-publish from commit 89833559e8220e9f4e4187fcc094fa9961368e95 v2.0.0 | 2026-05-18T12:48:14.674Z | user Auto-publish from commit dc

OpenClaw
View on ClawHubHomepage

Rank

62

Safety

84

Downloads

1.6k

Updated

Oct 10, 2026

Version

2.0.1

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.6K downloads reported by the source. Last updated 10/10/2026.

Avoid when

  • Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor
Clawhubvendor · observed Oct 10, 2026
Protocol compatibility
OpenClawcompatibility · observed Oct 10, 2026
Adoption signal
1.6K downloadsadoption · observed Oct 10, 2026
Latest release
2.0.1release · observed Jun 3, 2026
Handshake status
UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s17bsrqjkb5zv8sm90kdv3zawn83g42h:skill-review-pro
  1. Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.
  2. Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-z-zihan-skill-review-pro/snapshot"

Documentation

CLAWHUB

149,640 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

fix/SKILL.md

---
name: skill-review-fix
description: >
  skill-review-pro 的子技能。读取评审报告中的修复清单，在用户逐条确认后对目标 Skill 执行修复。
  Sub-skill of skill-review-pro. Reads the fix checklist from the review report, executes fixes after per-item user confirmation.
  注意：此技能不独立使用，由 skill-review-pro 的修复阶段调用。
---

# skill-review-fix — Skill 修复执行器 / Skill Fix Executor

基于 skill-review-pro 评审报告中的修复清单，对目标 Skill 进行针对性修复。
Apply targeted fixes to the target Skill based on the fix checklist from skill-review-pro.

## 输入 / Input

从 skill-review-pro 的最终报告中提取修复清单。修复清单位于 `<!-- FIX_CHECKLIST_START -->` 和 `<!-- FIX_CHECKLIST_END -->` 标记之间，包含：
- 目标 Skill 名称和文件路径
- 问题列表（每条包含：问题描述、修复方案、优先级、风险、影响维度、预估提分）
- 详细修复方案（每条包含：原文引用、修改后内容、文件位置、依赖关系）

如果上下文中没有修复清单标记，说明评审阶段还没有输出修复清单，应提示用户先完成评审。

## 核心原则 / Core Principles

**不主动执行，必须询问用户。** / **Never act without asking.**

每一条修复在执行前，必须：
1. 告诉用户要改什么 / Tell the user what will change
2. 展示修改前后的对比 / Show before/after diff
3. 等待用户确认 / Wait for user confirmation

用户响应：
- "修" / "fix" / "确认" → 执行这一条
- "都修" / "fix all" / "全部" → 展示所有修改的 before/after，确认后批量执行
- "跳过" / "skip" → 跳过这一条
- "只修 1、3" → 选择性执行
- "不修了" / "stop" → 终止修复流程

## 风险等级与执行规则 / Risk Levels

修复清单中每条修复有风险等级，执行规则不同：

| 风险 / Risk | 执行规则 / Execution Rule |
|---|---|
| **Low** | 正常逐条确认流程 |
| **Medium** | 展示更详细的 diff，告知影响的章节范围，确认后执行 |
| **High** | 必须单独展示完整的 before/after 对比，告知潜在影响，用户明确说"确认"后才执行。即使批量模式下也必须逐条确认 |

## 依赖处理 / Dependency Handling

修复清单可能包含依赖关系：

- **无依赖** — 可独立执行，顺序不限
- **依赖 #X** — 必须先执行 #X 再执行本条。如果 #X 被跳过，询问用户是否仍执行本条
- **被 #X 依赖** — 本条跳过或修改后，提醒用户 #X 可能需要调整

## 执行流程 / Workflow

### Step 1：解析修复清单 / Parse Fix Checklist

从修复清单标记中提取：
- 目标文件路径
- 修复项列表（问题、方案、优先级、风险、位置）
- 详细修复方案（原文 → 修改后）
- 依赖关系

如果修复清单中没有"详细修复方案"部分，生成候选 diff（before/after），但**必须让用户确认 diff 符合 reviewer 原意后才能执行**，不能自行决定修复内容。

### Step 2：确认修复范围 / Confirm Scope

按优先级排序展示修复清单摘要：

```markdown
## 即将执行的修复

**目标文件**：`<路径>`
**执行模式**：逐条确认 / 批量

| 优先级 | # | 问题摘要 | 风险 | 修改位置 |
|--------|---|----------|------|----------|
| P0 | 1 | ... | Low | ... |
| P1 | 2 | ... | Medium | ... |

确认要开始修复吗？
```

**⏸ 等待用户确认。**

### Step 3a：逐条模式 / Per-item Mode（默认）

按优先级顺序（P0 → P1 → P2），对每条待修复项：
1. 展示优先级和风险等级
2. 展示**当前原文**（引用具体行或段落）
3. 展示**修改后内容**
4. 如果有依赖，标注依赖状态
5. 询问用户："这条修吗？（修/跳过/停止）"

High 风险修复额外步骤：展示完整的章节上下文，说明潜在影响范围。

用户确认后：
- 执行修改
- 标记状态为 ✅ 已修复
- 检查是否有被此条依赖的其他修复项，如有则提醒

### Step 3b：批量模式 / Batch Mode（用户说"都修"）

1. **按依赖排序**（无依赖的先执行），展示所有修改项的 before/after 对比
2. **排除 High 风险项**（告知用户："以下 High 风险修复需单独确认"）
3. 询问用户："确认执行 Low 和 Medium 修复？"
4. 用户确认后批量执行
5. 然后逐条展示 High 风险修复，要求单独确认

### Step 4：修复验证 / Fix Verification

所有修复执行完毕后：
1. 重新读取修改后的文件
2. 检查是否引入新问题，逐项验证：
   - frontmatter 完整性（name + description 无缺失）
   - 章节编号连续性（无跳号或重复）
   - 中英段落对应（中文有则英文也应有）
   - 无新增矛盾指令（修复 A 不应与 B 矛盾）
3. 如发现新问题，告知用户并询问是否处理
4. 检查被跳过的修复项是否影响其他项

### Step 5：更新评分 / Update Score

基于实际执行的修复，更新 Phase 1 评分：

```markdown
## 评分对比

| 维度 | 修复前 | 修复后 | 变化 |
|------|--------|--------|------|
| ... | X | X | +X |
| **Phase 1** | **XX** | **XX** | **+X** |
| **总计** | **XX** | **XX** | **+X** |

**执行情况**：X/X 项已修复，Y 项跳过
```

scoring/SKILL.md

# scoring — 评分模型 / Scoring Model

skill-review-pro 的评分体系。总分 100 分，单阶段（静态审查）。

> **设计说明**：基于 37 个真实 Skill 评审数据分析，Phase 1 静态审查覆盖 94% 的真实问题。原 Phase 2 测试的精华（对抗检查）已并入 Reliability 维度。总分 100 分直接从静态审查得出。

## 评分维度 / Dimensions

### 一级维度 / Primary Dimensions

| 维度 / Dimension | 分值 / Points | 核心问题 / Core Question |
|---|---|---|
| Reliability / 可靠性 | 40 | Skill 能不能稳定、正确地完成任务？ |
| Engineering / 工程化 | 30 | 写得像工程规范还是 AI 套话？ |
| UX / 用户体验 | 24 | 使用者（人和 AI）用起来顺畅吗？ |
| Maintainability / 可维护性 | 6 | 后续迭代和扩展容易吗？ |

### 二级观察项 / Secondary Observation Signals

二级观察项**不直接参与打分**，作为证据归入对应一级维度：

| 二级观察项 / Signal | 归属维度 / Primary Dimension | 说明 / Description |
|---|---|---|
| Positioning Clarity / 定位清晰度 | Reliability | 能否快速理解 Skill 干什么、不做什么 |
| Instruction Clarity / 指令明确性 | Reliability | 指令有无歧义、矛盾、缺失 |
| Boundary Rationality / 边界合理性 | Reliability | 职责是否聚焦，有无膨胀 |
| Actionability / 可执行性 | Reliability | AI 能否据此行动（区分 Skill 和知识文章） |
| Adversarial Robustness / 对抗鲁棒性 | Reliability | 模糊输入/越界请求/矛盾请求时是否优雅处理 |
| Degradation Strategy / 降级策略 | Reliability | 依赖不可用或异常时有无 fallback |
| Engineering Quality / 工程质量 | Engineering | 结构组织、命名规范、格式一致性 |
| Practicability / 实用性 | Engineering | 真实场景下 AI 能否稳定执行 |
| Information Density / 信息密度 | UX | 信息量是否合理，不轰炸也不贫乏 |
| Interaction Pacing / 交互节奏 | UX | 暂停点是否合理，用户是否疲劳 |
| Modularity / 模块化程度 | Maintainability | 是否便于拆分、扩展、复用 |
| Structure Completeness / 结构完整性 | Maintainability | 核心模块是否齐全 |

### 维度去重 / Deduplication

**同一问题只在一个一级维度扣分。** 归属规则：

- "不知道它干啥" → Reliability
- "写得像 AI 套话" → Engineering
- "用起来太累" → UX
- "改起来很麻烦" → Maintainability

如果一个证据信号同时影响多个维度，在主维度扣分，其他维度用备注标注但不额外扣分。

---

## 动态权重 / Dynamic Weights

根据 Skill 类型（由主控路由模块识别），对应域的一级维度权重 ×1.5，其余 ×0.8。**不要自行推导归一化**，直接查下表。

### 预计算权重表 / Pre-calculated Weights

原始分值：Reliability=40, Engineering=30, UX=24, Maintainability=6（总分100）

| Skill 类型 | +权重维度 | 加权后 R, E, UX, M | 归一化后（总分100） |
|---|---|---|---|
| **engineering/coding** | Reliability, Engineering | 60, 45, 19.2, 4.8 | R=46, E=35, UX=15, M=4 |
| **cognition/teaching** | UX, Reliability | 60, 24, 36.0, 4.8 | R=48, E=19, UX=29, M=4 |
| **cognition/analysis** | Reliability, Engineering | 60, 45, 19.2, 4.8 | R=46, E=35, UX=15, M=4 |
| **workflow/planner** | Maintainability, Reliability | 60, 24, 19.2, 9.0 | R=54, E=21, UX=17, M=8 |
| **workflow/reviewer** | Reliability, UX | 60, 24, 36.0, 4.8 | R=48, E=19, UX=29, M=4 |
| **仅 base（未识别类型）** | 无 | 40, 30, 24.0, 6.0 | R=40, E=30, UX=24, M=6 |

### 使用方法 / How to Use

1. 识别 Skill 类型 → 从上表找到对应行
2. 按"归一化后"列的分数上限评分（如 engineering/coding 的 Reliability 满分 46）
3. 四个维度分数相加，总分 = 100
4. **严禁自行推导**：如果表中没有对应类型，使用"仅 base"行

### 计算方法（仅参考，不用于实际评分）

公式：`归一化分 = 加权分 × (100 / 加权总分)`
示例 engineering/coding：加权总分 = 60+45+14.4+9.6 = 129，R归一化 = 60 × (100/129) ≈ 46

---

## 评分锚点 / Scoring Anchors

**Reliability（40分 / 权重后 46-54）**
- 满分 = 定位清晰、指令无歧义、边界明确、可执行、有降级策略、对抗场景优雅处理
- 70% = 能理解且有边界，大部分场景可执行，但有 1-2 处指令不完整
- 40% = 经常跑偏或边界模糊，缺降级策略
- 15% = 不是真正的 Skill（知识文章伪装），无可执行指令

**Engineering（30分 / 权重后 34）**
- 满分 = 读起来像团队内部工程规范，结构清晰无 AI 套话，有具体可执行

SKILL.md

---
name: skill-review-pro
version: "2.0.1"
homepage: https://github.com/z-Zihan/awesome-skills
description: >
  AI Skill 质量评审系统。通过静态审查对 Skill 进行评分（100分制），
  输出专业的评审报告和改进建议。模块化架构：主控编排 + 类型策略 + 评分模型 + 修复执行。
  AI Skill QA System. Evaluates Skills via static analysis,
  with 100-point scoring, modular architecture with type-aware policies.
  触发词：评审 skill, 测评 skill, skill 评分, skill 质量检查, 审查 skill,
  改进 skill, 完善技能, 验证修复意见, 稳定性测试, benchmark,
  review skill, evaluate skill, improve skill, validate fix, skill quality.
---

# skill-review-pro — AI Skill QA System

## 语言规则

**检测用户使用的语言，全程使用同一语言输出。** 中文用户 → 读下方中文部分，全中文输出；English users → read the English section below, output in English only. 技术术语（SKILL.md、benchmark 等）保留原文即可。

---

# 中文版

对目标 Skill 进行专业评审：静态审查（含对抗检查）→ 综合评分 → 改进建议。

## 核心定位

你是 Skill 质量评审专家。你完成评审和验证两件事：

1. 审查 Skill 内容质量
2. 验证 Skill 在异常场景下是否健壮

**评审是行动，不是旁观。**

### 职责边界

**做：**
- 读取、分析、评审目标 Skill
- 给出量化评分和具体改进建议

**不做：**
- 不修改被测 Skill，修复由用户决定
- 不代替用户做决策
- 不评审代码质量，只评审 Skill 质量
- 不对比多个 Skill 排名
- 不改变被测 Skill 的原有意图和功能

---

## 如何指定被测 Skill

1. **文件路径** — "评审 `~/skills/xxx/SKILL.md`" → 直接读取，并自动扫描同目录下的子目录文件
2. **当前对话中的 Skill** — 如果用户刚生成了 Skill，直接评当前生成的
3. **已安装 Skill 名称** — "评审 screenshot-to-prompt" → 在本地 skills 目录查找，并扫描子目录
4. **粘贴内容** — 用户直接贴 Skill 内容 → 只评审贴出的内容（无法扫描子目录）

如果用户只说"评审 skill"没有指定目标，询问："请提供要评审的 Skill 文件路径或名称。"

---

## 模块架构

skill-review-pro 采用模块化架构，主控只负责编排和路由：

```
skill-review-pro/
├── SKILL.md                    ← 你在这里（主控：编排 + 路由）
├── scoring/SKILL.md            ← 评分模型（维度 + 锚点 + 等级 + Failure Taxonomy）
├── policies/
│   ├── base/                   ← 基础层（所有类型共享）
│   │   ├── reliability.md      ← 含对抗检查清单
│   │   ├── maintainability.md
│   │   └── ux.md
│   ├── engineering/            ← 工程域
│   │   └── coding.md
│   ├── cognition/              ← 认知域
│   │   ├── teaching.md
│   │   └── analysis.md
│   └── workflow/               ← 流程域
│       ├── planner.md
│       └── reviewer.md
└── fix/SKILL.md                ← 修复执行器
```

### 模块引用规则

- **scoring** — 评审时读取评分模型
- **policies/base/** — 必加载（所有类型共享基础）
- **policies/<domain>/** — 按类型加载域专属策略
- **fix** — 修复阶段时读取（仅用户主动触发）

读取模块时，读取对应 `SKILL.md` 的完整内容作为当前阶段的补充指令。

**模块加载降级策略**：
- scoring/SKILL.md 不可用（文件不存在或内容为空）→ 终止评审，提示用户检查安装完整性
- policies/base/ 任一文件不可用 → 使用其余可用文件继续评审，降级对应维度的覆盖范围
- policies/<domain>/ 文件不可用 → 降级为仅 base 评审，报告中标注"域策略加载失败"
- 模块文件可读取但内容格式异常（如 YAML frontmatter 解析失败、markdown 结构不完整）→ 尝试提取可用内容继续评审，报告中标注"模块格式异常，部分规则降级"
- 所有模块可用 → 正常流程

**继承约束**：domain policy 禁止重复 base 已定义的规则。domain 只允许写该域特有要求（如 determinism、pedagogy），不允许重新定义 reliability、maintainability、ux 相关规则。

### 类型路由规则

**两级路由**：先加载 base 层，再加载 domain 层。

1. **Base 层**（必加载）：`policies/base/` 下的 `reliability.md`、`maintainability.md`、`ux.md`
2. **Domain 层**（按类型加载）：`policies/` 下对应域的专属策略

域识别与优先级：
- 如果 Skill 同时满足多个域特征（如"评审代码的 Skill"），选择其**主任务类型**
- 判断方法：看 Skill 的**核心动词**——"生成/搭建/审查代码"→ engineering，"教学/讲解/引导"→ cognition/teaching，"分析/解读"→ cognition/analysis，"自动化/编排"→ workflow/planner，"评审/评分/检查"→ workflow/reviewer
- **reviewer 类优先**于其他域 — 评审类

_meta.json

{
  "ownerId": "kn76af6ccjftr7hsds21j60xnn82q1qd",
  "slug": "skill-review-pro",
  "version": "2.0.1",
  "publishedAt": 1780451889871
}

policies/base/maintainability.md

# base: maintainability — 可维护性基础 / Maintainability Foundation

所有 Skill 类型共享的可维护性评审基础。

## 核心问题 / Core Question

后续迭代和扩展容易吗？

## 二级观察项 / Secondary Observations

- **Structure Completeness / 结构完整性** — 核心模块是否齐全
- **Modularity / 模块化程度** — 是否便于拆分、扩展、复用

## 评审要点 / Review Points

- 是否有清晰的结构组织（章节分明、层级合理）
- 核心模块是否齐全（目标、流程、约束、输出）
- 子 skill 组织是否合理（如果有多文件结构）
- 新增功能是否需要大规模重写还是局部修改即可
- 是否有硬编码或魔法值限制扩展性
- **客户端功能兼容**：Skill 输出中的关键标记（标题、格式）应能被客户端正确识别。例如：
  - 修复指令块标题如使用特定文字（如 `## Code Review 修复任务`），不得随意更改，否则客户端可能无法识别对应功能按钮
  - 评审时应检查 Skill 中是否有依赖客户端解析的固定格式，如果有，确认格式是否明确标注且不易被误改

## 评分锚点 / Scoring Anchors (Maintainability 维度内)

评分锚点的完整定义见 `scoring/SKILL.md` 中的"评分锚点"章节。

综合锚点：
- 8 分=模块化清晰，核心模块齐全，便于扩展
- 5 分=有基本结构但扩展需重写
- 2 分=巨石结构，改一处影响全局

Related agents

Same protocol, similar job.

Github ReposUpdated 15h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW
Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW
Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.

MCPOPENCLAW
Github ReposUpdated 7mo agoRank 70

CopilotKit

The Frontend for Agents & Generative UI. React + Angular

OPENCLAW

Machine-readable data

The same record, as JSON, for agents and crawlers.

{
  "facts": [
    {
      "factKey": "vendor",
      "category": "vendor",
      "label": "Vendor",
      "value": "Clawhub",
      "href": "https://clawhub.ai/z-zihan/skills/skill-review-pro",
      "sourceUrl": "https://clawhub.ai/z-zihan/skills/skill-review-pro",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-10T06:01:02.583Z",
      "isPublic": true
    },
    {
      "factKey": "protocols",
      "category": "compatibility",
      "label": "Protocol compatibility",
      "value": "OpenClaw",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-z-zihan-skill-review-pro/contract",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-z-zihan-skill-review-pro/contract",
      "sourceType": "contract",
      "confidence": "medium",
      "observedAt": "2026-10-10T06:01:02.583Z",
      "isPublic": true
    },
    {
      "factKey": "traction",
      "category": "adoption",
      "label": "Adoption signal",
      "value": "1.6K downloads",
      "href": "https://clawhub.ai/z-zihan/skill-review-pro",
      "sourceUrl": "https://clawhub.ai/z-zihan/skill-review-pro",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-10T06:01:02.583Z",
      "isPublic": true
    },
    {
      "factKey": "latest_release",
      "category": "release",
      "label": "Latest release",
      "value": "2.0.1",
      "href": "https://clawhub.ai/z-zihan/skill-review-pro",
      "sourceUrl": "https://clawhub.ai/z-zihan/skill-review-pro",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-06-03T01:58:09.871Z",
      "isPublic": true
    },
    {
      "factKey": "handshake_status",
      "category": "security",
      "label": "Handshake status",
      "value": "UNKNOWN",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-z-zihan-skill-review-pro/trust",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-z-zihan-skill-review-pro/trust",
      "sourceType": "trust",
      "confidence": "medium",
      "observedAt": null,
      "isPublic": true
    }
  ],
  "events": [
    {
      "eventType": "release",
      "title": "Release 2.0.1",
      "description": "Auto-publish from commit 89833559e8220e9f4e4187fcc094fa9961368e95",
      "href": "https://clawhub.ai/z-zihan/skill-review-pro",
      "sourceUrl": "https://clawhub.ai/z-zihan/skill-review-pro",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-06-03T01:58:09.871Z",
      "isPublic": true
    }
  ]
}

Record generated Oct 10, 2026.

Sponsored

Ads related to Skill Review Pro and adjacent AI workflows.