{"id":"ff8b1fc8-3a17-4e5a-b99b-a7568317da2d","entityType":"agent","slug":"clawhub-fslong520-skillclinic","name":"技能诊所","canonicalUrl":"https://www.xpersona.co/agent/clawhub-fslong520-skillclinic","canonicalPath":"/agent/clawhub-fslong520-skillclinic","generatedAt":"2026-10-11T01:47:08.458Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-10T22:36:44.348Z","emptyReason":null},"description":"🏥 技能诊所 | 诊断优化 + 创建技能 + 先例研究 + 评估门禁 + 运维反馈。触发：技能体检、技能诊断、创建技能、查重、门禁、反馈 Skill: 技能诊所 Owner: fslong520 Summary: 🏥 技能诊所 | 诊断优化 + 创建技能 + 先例研究 + 评估门禁 + 运维反馈。触发：技能体检、技能诊断、创建技能、查重、门禁、反馈 Tags: ai:3.0.0, clinic:3.0.0, diagnosis:3.0.0, diagnostic:3.0.0, evaluation:3.0.0, latest:3.0.0, optimization:3.0.0, quality:3.0.0, skill:3.0.0 Version history: v3.0.0 | 2026-08-23T03:45:57.002Z | user 大版本迭代: 诊断优化+创建技能+先例研究+评估门禁+运维反馈五大模块; Gene结构检查; metadata.trigger 触发词; 技能创建流程(先例研究→模板→门禁验证); 技能体检评分评级; 查重先例研究 v2","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.2K downloads reported by the source. Last updated 10/10/2026.","installCommand":"clawhub skill install s179dxbepyx3dhgg6vsaj80yt583nxj7:skillclinic","sourceUrl":"https://clawhub.ai/fslong520/skillclinic","homepage":"https://clawhub.ai/fslong520/skills/skillclinic","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/fslong520/skillclinic","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/fslong520/skills/skillclinic","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":62,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"🏥 技能诊所 | 诊断优化 + 创建技能 + 先例研究 + 评估门禁 + 运维反馈。触发：技能体检、技能诊断、创建技能、查重、门禁、反馈 Skill: 技能诊所 Owner: fslong520 Summary: 🏥 技能诊所 | 诊断优化 + 创建技能 + 先例研究 + 评估门禁 + 运维反馈。触发：技能体检、技"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-10T22:36:44.348Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T22:36:44.348Z","emptyReason":null},"stars":null,"forks":null,"downloads":1240,"packageName":null,"latestVersion":"3.0.0","tractionLabel":"1.2K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T22:36:44.289Z","emptyReason":null},"lastUpdatedAt":"2026-10-10T22:36:44.348Z","lastCrawledAt":"2026-10-10T22:36:44.289Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-11T22:36:44.289Z","lastVerifiedAt":null,"highlights":[{"version":"3.0.0","createdAt":"2026-08-23T03:45:57.002Z","changelog":"大版本迭代: 诊断优化+创建技能+先例研究+评估门禁+运维反馈五大模块; Gene结构检查; metadata.trigger 触发词; 技能创建流程(先例研究→模板→门禁验证); 技能体检评分评级; 查重先例研究","fileCount":16,"zipByteSize":19985},{"version":"2.1.0","createdAt":"2026-06-01T06:10:02.880Z","changelog":"版本跃迁至 2.1.0，多项功能更新与优化","fileCount":9,"zipByteSize":12642},{"version":"1.3.0","createdAt":"2026-04-22T16:15:28.194Z","changelog":"新增trigger字段检测，诊断技能无法触发的问题","fileCount":6,"zipByteSize":9671},{"version":"1.2.0","createdAt":"2026-04-21T16:13:27.175Z","changelog":"新增 Write/Edit 工具，可直接修改技能文档；新增 AVOID 表述规范","fileCount":4,"zipByteSize":3191},{"version":"1.1.0","createdAt":"2026-04-21T16:01:39.777Z","changelog":"改为鲁迅式半文半白风格，Token 精简 60%","fileCount":4,"zipByteSize":3092},{"version":"1.0.0","createdAt":"2026-04-21T15:42:53.955Z","changelog":"首次发布，AI 技能体检诊断工具","fileCount":4,"zipByteSize":5355}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s179dxbepyx3dhgg6vsaj80yt583nxj7:skillclinic","setupComplexity":"low","setupSteps":["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.","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":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fslong520-skillclinic/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fslong520-skillclinic/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fslong520-skillclinic/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-fslong520-skillclinic/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-fslong520-skillclinic/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-fslong520-skillclinic/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-11T01:47:08.457Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fslong520-skillclinic/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fslong520-skillclinic/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fslong520-skillclinic/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-fslong520-skillclinic/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-10T22:36:44.348Z","emptyReason":null},"readme":"Skill: 技能诊所\n\nOwner: fslong520\n\nSummary: 🏥 技能诊所 | 诊断优化 + 创建技能 + 先例研究 + 评估门禁 + 运维反馈。触发：技能体检、技能诊断、创建技能、查重、门禁、反馈\n\nTags: ai:3.0.0, clinic:3.0.0, diagnosis:3.0.0, diagnostic:3.0.0, evaluation:3.0.0, latest:3.0.0, optimization:3.0.0, quality:3.0.0, skill:3.0.0\n\nVersion history:\n\nv3.0.0 | 2026-08-23T03:45:57.002Z | user\n\n大版本迭代: 诊断优化+创建技能+先例研究+评估门禁+运维反馈五大模块; Gene结构检查; metadata.trigger 触发词; 技能创建流程(先例研究→模板→门禁验证); 技能体检评分评级; 查重先例研究\n\nv2.1.0 | 2026-06-01T06:10:02.880Z | user\n\n版本跃迁至 2.1.0，多项功能更新与优化\n\nv1.3.0 | 2026-04-22T16:15:28.194Z | user\n\n新增trigger字段检测，诊断技能无法触发的问题\n\nv1.2.0 | 2026-04-21T16:13:27.175Z | user\n\n新增 Write/Edit 工具，可直接修改技能文档；新增 AVOID 表述规范\n\nv1.1.0 | 2026-04-21T16:01:39.777Z | user\n\n改为鲁迅式半文半白风格，Token 精简 60%\n\nv1.0.0 | 2026-04-21T15:42:53.955Z | user\n\n首次发布，AI 技能体检诊断工具\n\nArchive index:\n\nArchive v3.0.0: 16 files, 19985 bytes\n\nFiles: examples/demo.md (3306b), feedback/feedback.jsonl (0b), modules/01-diagnose.md (2511b), modules/02-create.md (2012b), modules/03-precedent.md (1603b), modules/04-feedback.md (1784b), modules/05-gate.md (1782b), reference/criteria.md (2298b), reference/data-sources.md (1089b), reference/skill-ir.md (1479b), reference/theory.md (1333b), reports/history.md (173b), reports/技能诊断总报告_20260422.md (15474b), skill-card.md (2459b), SKILL.md (3131b), _meta.json (130b)\n\nFile v3.0.0:SKILL.md\n\n---\nname: skillclinic\ndescription: \"🏥 技能诊所 | 诊断优化 + 创建技能 + 先例研究 + 评估门禁 + 运维反馈。触发：技能体检、技能诊断、创建技能、查重、门禁、反馈\"\nallowed-tools:\n - Read\n - Glob\n - Grep\n - Write\n - Edit\n - AskUserQuestion\n - Bash\n\nmetadata:\n priority: 750\n slug: skillclinic\n version: \"3.0.0\"\n trigger: 技能体检、技能诊断、技能评估、技能优化、技能检查、创建技能、设计技能、新建技能、skill clinic、查重、先例研究、技能门禁、技能验证、技能反馈\n copaw:\n emoji: \"🏥\"\n---\n\n# 🏥 技能诊所\n\n## Keywords\n\n技能体检、技能诊断、技能创建、先例研究、评估门禁、运维反馈、Gene结构、metadata.trigger\n\n## Summary\n\n诊断优化现有技能 + 从零创建新技能 + 先例研究 + 评估门禁 + 运维反馈。\n\n## Strategy\n\n1. 询问用户意图（诊断/创建/查重/门禁/反馈）\n2. **诊断**：读取 modules/01-diagnose.md → 检查结构 → 算分评级 → 开处方\n3. **创建**：读取 modules/03-precedent.md（先例研究）→ 读取 modules/02-create.md → 收集需求 → 选择模板 → 创建文件 → 读取 modules/05-gate.md（门禁验证）\n4. **查重**：读取 modules/03-precedent.md → 搜索 → 输出建议\n5. **门禁**：读取 modules/05-gate.md → 执行验证 → 输出结果\n6. **反馈**：读取 modules/04-feedback.md → 记录 → 分析 → 建议\n\n## Language（评分项，15分）\n\n| 得分 | 标准 |\n|------|------|\n| 15 | 极致简练，无废话，每句话有信息增量，Token≤200 |\n| 12 | 较简练，有少量冗余，Token≤300 |\n| 10 | 良好，Token≤500 |\n| 8 | 可接受，需精简，Token≤700 |\n| 5 | 过长，需重构，Token≤1000 |\n| 0 | 冗长，信号稀释，Token>1000 |\n\n**要求**：\n- 用表格/列表代替段落\n- 去掉\"请\"、\"可以\"、\"能够\"等虚词\n- 不解释显而易见的事\n\n## AVOID\n\n- AVOID 只读SKILL.md就下结论\n- AVOID 只改SKILL.md不改其他文档\n- AVOID 给了分不给建议\n- AVOID 忽略metadata.trigger检查\n- AVOID 冗余描述、废话连篇\n- AVOID Strategy 写死、无裁量空间\n\n---\n\n## 功能模块\n\n| 模块 | 触发 | 流程 |\n|------|------|------|\n| 诊断优化 | 体检、诊断、评估 | modules/01-diagnose.md |\n| 创建技能 | 创建、设计、新建 | modules/02-create.md |\n| 先例研究 | 查重、类似、有没有 | modules/03-precedent.md |\n| 评估门禁 | 门禁、验证、发布检查 | modules/05-gate.md |\n| 运维反馈 | 反馈、失败、漂移 | modules/04-feedback.md |\n\n## 评分标准\n\n| 维度 | 分值 | 检测项 |\n|------|------|--------|\n| 结构 | 30 | Keywords(8) + Summary(8) + Strategy(8) + AVOID(6) |\n| 触发 | 10 | metadata.trigger |\n| 内容 | 40 | 语言简练(15) + 信号密度(10) + 可执行性(10) + **裁量空间(5)** |\n| 实践 | 20 | 渐进式披露(10) + Human-in-the-Loop(5) + CLI友好(5) |\n\n| 等级 | 分数 |\n|------|------|\n| S | ≥80 |\n| A | 70-79 |\n| B | 60-69 |\n| C | <60 |\n\n## 参考\n\n- 评分标准：reference/criteria.md\n- 使用示例：examples/demo.md\n\nFile v3.0.0:_meta.json\n\n{\n \"ownerId\": \"kn71rk0chjcdy7ffgfc08hh9gd83ehq8\",\n \"slug\": \"skillclinic\",\n \"version\": \"3.0.0\",\n \"publishedAt\": 1787456757002\n}\n\nFile v3.0.0:examples/demo.md\n\n# 使用示例\n\n## 示例一：诊断\n\n**输入**：体检技能诊所\n\n**执行**：\n```\n1. 确定意图 → 诊断\n2. 读取文件 → SKILL.md + modules/\n3. 检查结构 → Keywords(8) + Summary(8) + Strategy(8) + AVOID(6) = 30\n4. 检查触发 → metadata.trigger存在 = 10\n5. 检查内容 → 语言简练(15) + 信号密度(10) + 可执行性(8) + 裁量空间(3) = 36\n6. 检查实践 → 渐进式披露(8) + Human-in-the-Loop(5) + CLI友好(4) = 17\n7. 总分 → 30+10+36+17 = 93\n8. 等级 → S\n```\n\n**输出**：\n```\n总分：98/100\n等级：S\n建议：保持现状\n```\n\n## 示例二：创建简单技能\n\n**输入**：创建代码审查技能\n\n**执行**：\n```\n1. 收集需求：\n - 名称：代码审查\n - 描述：审查代码质量\n - 触发：代码审查、code review\n - 输入：代码路径\n - 输出：审查报告\n2. 判断 → ✅ 值得沉淀\n3. 选择 → 简单模板\n4. 创建 → 代码审查/SKILL.md\n5. 验证 → 通过\n```\n\n**输出**：\n```\n已创建：代码审查/SKILL.md\n```\n\n## 示例三：创建复杂技能\n\n**输入**：创建文档生成技能，支持多格式\n\n**执行**：\n```\n1. 收集需求：\n - 名称：DocGen\n - 描述：文档自动生成\n - 触发：生成文档、docgen\n - 输入：项目路径\n - 输出：文档文件\n2. 判断 → ✅ 值得沉淀\n3. 选择 → 复杂模板（模块化）\n4. 创建：\n - DocGen/SKILL.md\n - DocGen/modules/01-analyze.md\n - DocGen/modules/02-generate.md\n - DocGen/modules/03-export.md\n5. 验证 → 通过\n```\n\n**输出**：\n```\n已创建：DocGen/\n├── SKILL.md\n└── modules/\n ├── 01-analyze.md\n ├── 02-generate.md\n └── 03-export.md\n```\n\n## 示例四：先例研究\n\n**输入**：查重，有没有类似代码审查的技能\n\n**执行**：\n```\n1. 确定意图 → 先例研究\n2. 提取关键词 → 代码审查、code review\n3. 本地搜索 → 扫描 ~/.codebuddy/skills/*/SKILL.md\n4. 远程搜索 → npx skills find \"code review\"\n5. 汇总结果 → 按相似度排序\n6. 输出建议 → 可复用/可合并/需新建\n```\n\n**输出**：\n```\n先例研究结果：\n| 来源 | 技能名 | 相似度 | 可复用部分 |\n|------|--------|--------|-----------|\n| 本地 | 代码审查 | 100% | 已存在 |\n| skills.sh | code-review-skill | 70% | 审查规则 |\n| 结论 | 已有代码审查技能，无需新建 |\n```\n\n## 示例五：评估门禁\n\n**输入**：门禁检查技能诊所\n\n**执行**：\n```\n1. 确定意图 → 评估门禁\n2. 读取技能文件 → SKILL.md + modules/\n3. 触发评估 → 结构完整、信号密度>80%、Token<300\n4. 发布门禁 → metadata.trigger存在、SKILL.md<200行、有示例、AVOID>=3\n5. 输出结果 → 通过/不通过\n```\n\n**输出**：\n```\n门禁检查结果：\n- 触发评估：✅ 通过\n- 发布门禁：✅ 通过\n- 建议：可发布到ClawHub\n```\n\n## 示例六：运维反馈\n\n**输入**：反馈，搬题姬URL抓取超时\n\n**执行**：\n```\n1. 确定意图 → 运维反馈\n2. 记录反馈 → 技能名、问题描述、类型\n3. 分析反馈 → 失败信号、高频问题\n4. 生成建议 → 修复超时问题、增加重试机制\n```\n\n**输出**：\n```\n反馈已记录：\n- 技能：搬题姬\n- 类型：failure\n- 问题：URL抓取超时\n- 建议：增加超时重试机制\n```\n\nFile v3.0.0:modules/01-diagnose.md\n\n# 模块一：诊断优化\n\n## 流程\n\n1. 询问体检目标（技能名或路径）\n2. 读取技能文件（SKILL.md + 相关文档）\n3. 检查 Gene 结构\n4. 检查触发配置\n5. 检查语言简练\n6. 计算评分\n7. 输出报告 + 改进建议\n8. 询问是否执行改进\n\n## Gene 结构检查\n\n| 部分 | 分值 | 标准 |\n|------|------|------|\n| Keywords | 8 | 3-5个精准关键词 |\n| Summary | 8 | 一句话概括 |\n| Strategy | 8 | 步骤清晰可执行 |\n| AVOID | 6 | ≥3条常见错误 |\n\n## 触发检查\n\n**关键**：metadata.trigger 必须存在，否则技能无法触发。\n\n## 语言简练检查（15分）\n\n| 得分 | 标准 |\n|------|------|\n| 15 | 极致简练，无废话，每句话有信息增量，Token≤200 |\n| 12 | 较简练，有少量冗余，Token≤300 |\n| 10 | 良好，Token≤500 |\n| 8 | 可接受，需精简，Token≤700 |\n| 5 | 过长，需重构，Token≤1000 |\n| 0 | 冗长，信号稀释，Token>1000 |\n\n**检测项**：\n- 是否用表格/列表代替段落\n- 是否有\"请\"、\"可以\"、\"能够\"等虚词\n- 是否有重复内容\n- 是否解释了显而易见的事\n\n## 内容检查\n\n| 维度 | 分值 | 标准 |\n|------|------|------|\n| 信号密度 | 10 | 关键信息突出 |\n| 可执行性 | 10 | 步骤可直接执行 |\n| 裁量空间 | 5 | Strategy 留判断余地，非机械执行 |\n\n### 裁量空间检查\n\n**问法**：\n- Strategy 是\"步骤自定\"还是\"必须走123\"？\n- 有无\"视情况\"、\"可酌情\"、\"若……则可\"等灵活措辞？\n- 技能是帮模型思考，还是替模型做决定？\n\n| 得分 | 表现 |\n|------|------|\n| 5 | 有裁量——给原则，留判断；步骤可调序、可取舍 |\n| 3 | 部分过细——整体可行但有若干写死之处 |\n| 0 | 无裁量——每一步写死，模型无发挥 |\n\n## 实践检查\n\n| 维度 | 分值 | 标准 |\n|------|------|------|\n| 渐进式披露 | 10 | SKILL.md < 200行 |\n| Human-in-the-Loop | 5 | 关键决策询问用户 |\n| CLI友好 | 5 | 输出适合终端 |\n\n## 负贡献\n\n| 问题 | 扣分方式 |\n|------|----------|\n| 无 metadata.trigger | 触发分记0分（不额外扣） |\n| SKILL.md > 300行 | 从实践分扣5分 |\n| 无示例 | 从实践分扣5分 |\n| 有明显错误 | 从总分扣5分 |\n| 冗余描述多 | 从语言简练分扣3分 |\n\n## AVOID\n\n- AVOID 只读SKILL.md就下结论\n- AVOID 只改SKILL.md不改其他文档\n- AVOID 给了分不给建议\n- AVOID 忽略metadata.trigger检查\n- AVOID 冗余描述、废话连篇\n- AVOID 忽略裁量空间检查\n\nFile v3.0.0:modules/02-create.md\n\n# 模块二：创建技能\n\n## 核心理念\n\n```\n技能 = 预定义上下文 + 执行规则 + 验证标准\n```\n\n## 流程\n\n1. 收集需求（名称、描述、触发场景、输入输出）\n2. 判断是否值得沉淀\n3. **先例研究**（读取 modules/03-precedent.md）\n4. 选择模板\n5. 创建文件\n6. 验证质量（读取 modules/05-gate.md）\n\n## 判断标准\n\n```\n✅ 值得沉淀：\n- 经常遇到\n- 流程明确\n- 可标准化\n\n❌ 不值得：\n- 一次性任务\n- 流程不明确\n```\n\n## 简单技能模板\n\n```markdown\n---\npriority: 500\nname: {技能名}\ndescription: \"{emoji} {描述} | 触发：xxx\"\nmetadata:\n version: \"1.0.0\"\n trigger: \"触发关键字\"\n---\n\n# {技能名}\n\n## Keywords\n关键词1、关键词2、关键词3\n\n## Summary\n一句话概括。\n\n## Strategy\n1. 步骤一\n2. 步骤二\n\n## Language\n- 极致简练\n- 用表格/列表代替段落\n- 每句话有信息增量\n\n## AVOID\n- AVOID 错误行为1\n- AVOID 错误行为2\n```\n\n## 复杂技能模板\n\n```markdown\n---\npriority: 800\nname: {技能名}\ndescription: \"{emoji} {描述} | 触发：xxx\"\nallowed-tools:\n - Read\n - Write\n\nmetadata:\n version: \"1.0.0\"\n trigger: \"触发关键字\"\n---\n\n# {技能名}\n\n## Keywords\n关键词1、关键词2、关键词3\n\n## Summary\n一句话概括。\n\n## Strategy\n1. 读取 modules/01-xxx.md\n2. 执行步骤\n3. 输出结果\n\n## Language\n- 极致简练\n- 用表格/列表代替段落\n- 每句话有信息增量\n\n## AVOID\n- AVOID 错误行为1\n- AVOID 错误行为2\n```\n\n## 命名原则\n\n| 好 | 差 |\n|------|------|\n| 搬题姬、墨池、雀影 | XXX工具、XXX助手 |\n| 破晓、格知 | 超长名字、英文混杂 |\n\n## 最佳实践\n\n1. Spec-Driven：先定义规格\n2. Context Compression：SKILL.md < 200行\n3. Tool Selection：明确 allowed-tools\n4. Verification-First：先定义验收标准\n\n## AVOID\n\n- AVOID 创建一次性任务为技能\n- AVOID 命名功能性、无辨识度\n- AVOID SKILL.md 过长不拆分\n- AVOID 无 metadata.trigger\n- AVOID 无示例\n- AVOID 冗余描述\n\nFile v3.0.0:modules/03-precedent.md\n\n# 模块三：先例研究\n\n## 触发时机\n\n创建技能前自动执行，或用户显式要求\"查重\"、\"有没有类似技能\"。\n\n## 流程\n\n1. 从需求中提取关键词（功能域、输入输出、触发场景）\n2. 本地搜索：`Glob + Grep` 扫描 `~/.codebuddy/skills/*/SKILL.md`\n3. 远程搜索：`npx skills find ` 查 skills.sh\n4. ClawHub 搜索：`clawhub search `\n5. 汇总结果，按相似度排序\n6. 输出建议：可复用 / 可合并 / 需新建\n\n## 输出格式\n\n```\n先例研究结果：\n| 来源 | 技能名 | 相似度 | 可复用部分 |\n|------|--------|--------|-----------|\n| 本地 | 搬题姬 | 80% | URL抓取、文件结构 |\n| skills.sh | xxx-skill | 60% | 数据验证逻辑 |\n| 结论 | 建议合并搬题姬的URL模块，新建独立技能 |\n```\n\n## 相似度评估标准\n\n| 相似度 | 标准 |\n|--------|------|\n| >80% | 高度相似，建议复用或合并 |\n| 60-80% | 中度相似，可借鉴部分模块 |\n| 40-60% | 低度相似，仅参考设计思路 |\n| <40% | 无关，需新建 |\n\n## 数据源接入\n\n### 本地搜索\n\n```bash\n# 搜索所有技能的SKILL.md\nGlob pattern=\"~/.codebuddy/skills/*/SKILL.md\"\n\n# 搜索关键词\nGrep pattern=\"关键词\" path=\"~/.codebuddy/skills/\"\n```\n\n### 远程搜索\n\n```bash\n# skills.sh\nnpx skills find \n\n# ClawHub\nclawhub search \nclawhub inspect \n```\n\n## AVOID\n\n- AVOID 不搜就建，重复造轮子\n- AVOID 只搜本地不搜远程\n- AVOID 搜到类似技能却不告知用户\n- AVOID 相似度评估过于宽松或严格\n- AVOID 忽略用户选择权（复用/合并/新建）\n\nFile v3.0.0:modules/04-feedback.md\n\n# 模块四：运维反馈\n\n## 反馈类型\n\n| 类型 | 触发时机 | 记录内容 |\n|------|---------|---------|\n| 使用反馈 | 用户主动反馈 | 技能名、问题描述、改进建议 |\n| 失败信号 | 技能执行出错 | 技能名、错误信息、上下文 |\n| 漂移信号 | 技能效果变差 | 技能名、评分变化、时间戳 |\n\n## 存储格式\n\n存储位置：`feedback/feedback.jsonl`\n\n```json\n{\"ts\":\"2026-08-04T10:00:00Z\",\"skill\":\"搬题姬\",\"type\":\"failure\",\"msg\":\"URL抓取超时\",\"context\":\"AtCoder比赛页\"}\n{\"ts\":\"2026-08-04T11:00:00Z\",\"skill\":\"破晓\",\"type\":\"feedback\",\"msg\":\"早报格式很好，但新闻源太少\",\"suggestion\":\"增加RSS源\"}\n```\n\n## 漂移检测\n\n- 每次诊断记录评分快照\n- 对比历史评分，检测下降趋势\n- 评分下降 >10分触发漂移告警\n\n## 反馈闭环\n\n1. 收集反馈\n2. 分类汇总\n3. 生成改进建议\n4. 纳入下次诊断\n\n## 反馈收集方式\n\n### 自动收集\n\n- 技能执行出错时自动记录\n- 诊断时自动记录评分变化\n\n### 手动收集\n\n- 用户主动反馈：\"这个技能有问题...\"\n- 用户建议：\"建议增加...\"\n\n## 反馈分析\n\n### 按技能分类\n\n统计每个技能的反馈数量、类型分布\n\n### 按时间分析\n\n检测反馈趋势，识别集中爆发的问题\n\n### 按类型分析\n\n- 使用反馈：功能需求、体验优化\n- 失败信号：Bug、兼容性问题\n- 漂移信号：性能下降、效果变差\n\n## 改进建议生成\n\n基于反馈分析，生成具体改进建议：\n\n1. 高频问题优先修复\n2. 失败信号立即处理\n3. 漂移信号深入调查\n4. 使用反馈评估可行性\n\n## AVOID\n\n- AVOID 忽略用户反馈\n- AVOID 反馈记录不完整\n- AVOID 漂移检测不及时\n- AVOID 改进建议不具体\n- AVOID 反馈闭环不完整\n\nFile v3.0.0:modules/05-gate.md\n\n# 模块五：评估门禁\n\n## 三大功能\n\n### 1. 触发评估\n\n技能创建/修改后，自动运行质量门禁：\n\n- 结构完整性检查（Gene四要素）\n- 信号密度计算（>80%为通过）\n- Token效率验证（<300 token为优）\n- 占位符扫描（`[xxx]`、`TODO`、`待补充`）\n\n### 2. 发布门禁\n\n发布到 ClawHub 前的强制检查：\n\n- metadata.trigger 必须存在\n- SKILL.md < 200行\n- 必须有示例（examples/ 或内联）\n- AVOID >= 3条\n- 版本号符合语义化\n\n### 3. 验证器\n\n验证逻辑用Markdown描述，Agent执行检查：\n\n验证项：\n- [ ] frontmatter 格式正确\n- [ ] Gene 四要素齐全\n- [ ] 无占位符\n- [ ] 信号密度 > 阈值\n- [ ] SKILL.md 行数合规\n- [ ] metadata.trigger 存在\n\n## 触发评估流程\n\n1. 读取技能文件（SKILL.md + modules/）\n2. 检查结构完整性\n3. 计算信号密度\n4. 验证Token效率\n5. 扫描占位符\n6. 输出评估报告\n\n## 发布门禁流程\n\n1. 检查 metadata.trigger\n2. 检查 SKILL.md 行数\n3. 检查示例存在\n4. 检查 AVOID 数量\n5. 检查版本号格式\n6. 输出门禁报告\n\n## 信号密度计算\n\n```\n信号密度 = (有效信息行数 / 总行数) × 100%\n```\n\n有效信息行：包含关键词、步骤、表格、列表的行\n无效信息行：空行、注释、重复内容\n\n## 占位符扫描\n\n扫描以下模式：\n- `[xxx]`、`[请填写]`\n- `TODO`、`FIXME`\n- `待补充`、`待完善`\n- `示例`、`例子`\n\n## 版本号格式\n\n语义化版本：`MAJOR.MINOR.PATCH`\n\n- MAJOR：不兼容的API变更\n- MINOR：向下兼容的功能性新增\n- PATCH：向下兼容的问题修正\n\n## AVOID\n\n- AVOID 跳过门禁直接发布\n- AVOID 忽略占位符扫描\n- AVOID 信号密度计算错误\n- AVOID 版本号格式不规范\n- AVOID 门禁检查不全面\n\nFile v3.0.0:reference/criteria.md\n\n# 评分标准\n\n## 结构分（30）\n\n| 部分 | 分值 | 标准 |\n|------|------|------|\n| Keywords | 8 | 3-5个精准关键词 |\n| Summary | 8 | 一句话概括 |\n| Strategy | 8 | 步骤清晰可执行 |\n| AVOID | 6 | ≥3条常见错误 |\n\n## 触发分（10）\n\n| 情况 | 分值 |\n|------|------|\n| 有 metadata.trigger | 10 |\n| 无 metadata.trigger | 0（致命）|\n\n## 内容分（40）\n\n| 维度 | 分值 | 标准 |\n|------|------|------|\n| 语言简练 | 15 | 极致简练，无废话，每句话有信息增量 |\n| 信号密度 | 10 | 关键信息突出，用表格/列表 |\n| 可执行性 | 10 | 步骤可直接执行 |\n| 裁量空间 | 5 | Strategy 留判断余地，非机械执行 |\n\n### 裁量空间评分\n\n| 得分 | 标准 |\n|------|------|\n| 5 | 有裁量——给原则留判断，步骤可调可舍 |\n| 3 | 部分过细——整体可行但局部写死 |\n| 0 | 无裁量——每步写死，模型无发挥 |\n\n### 语言简练评分\n\n| 得分 | 标准 |\n|------|------|\n| 15 | 极致简练，无废话，每句话有信息增量，Token≤200 |\n| 12 | 较简练，有少量冗余，Token≤300 |\n| 10 | 良好，Token≤500 |\n| 8 | 可接受，需精简，Token≤700 |\n| 5 | 过长，需重构，Token≤1000 |\n| 0 | 冗长，信号稀释，Token>1000 |\n\n### 语言要求\n\n- 用表格/列表代替段落\n- 去掉\"请\"、\"可以\"、\"能够\"等虚词\n- 不解释显而易见的事\n- 不重复\n\n## 实践分（20）\n\n| 维度 | 分值 | 标准 |\n|------|------|------|\n| 渐进式披露 | 10 | SKILL.md < 200行，详细内容放 modules/ |\n| Human-in-the-Loop | 5 | 关键决策询问用户，有 AskUserQuestion |\n| CLI友好 | 5 | 输出适合终端，用表格/列表 |\n\n## 负贡献\n\n| 问题 | 扣分方式 |\n|------|----------|\n| 无 metadata.trigger | 触发分记0分（不额外扣） |\n| SKILL.md > 300行 | 从实践分扣5分 |\n| 无示例 | 从实践分扣5分 |\n| 有明显错误 | 从总分扣5分 |\n| 冗余描述多 | 从语言简练分扣3分 |\n\n## 等级\n\n| 等级 | 分数 |\n|------|------|\n| S | ≥80 |\n| A | 70-79 |\n| B | 60-69 |\n| C | <60 |\n\n## 漂移检测\n\n| 指标 | 阈值 | 说明 |\n|------|------|------|\n| 评分下降 | >10分 | 触发漂移告警 |\n| 反馈激增 | >5条/天 | 触发问题排查 |\n| 失败率上升 | >20% | 触发紧急修复 |\n\nFile v3.0.0:reference/data-sources.md\n\n# 数据源接入指南\n\n## 三大数据源\n\n| 数据源 | 用途 | 接入方式 |\n|--------|------|---------|\n| 本地技能库 | 查重、借鉴 | `Glob + Grep` 扫描 `~/.codebuddy/skills/` |\n| skills.sh | 远程技能发现 | `npx skills find ` |\n| ClawHub | 技能市场 | `clawhub search ` + `clawhub inspect ` |\n\n## 接入策略\n\n- 本地优先：快、无网络依赖\n- 远程补充：本地无结果时查远程\n- 缓存机制：搜索结果暂存，避免重复请求\n\n## 本地搜索示例\n\n```bash\n# 搜索所有技能的SKILL.md\nGlob pattern=\"~/.codebuddy/skills/*/SKILL.md\"\n\n# 搜索关键词\nGrep pattern=\"关键词\" path=\"~/.codebuddy/skills/\"\n```\n\n## 远程搜索示例\n\n```bash\n# skills.sh\nnpx skills find \"code review\"\n\n# ClawHub\nclawhub search \"code review\"\nclawhub inspect \"code-review-skill\"\n```\n\n## 缓存机制\n\n- 搜索结果暂存到 `feedback/search-cache.json`\n- 缓存有效期：24小时\n- 手动清除：用户可要求\"清除缓存\"\n\n## AVOID\n\n- AVOID 只搜本地不搜远程\n- AVOID 重复请求相同查询\n- AVOID 忽略缓存机制\n\nFile v3.0.0:reference/skill-ir.md\n\n# Skill IR（语义契约）规范\n\n## 定义\n\nSkill IR 是技能的机器可读语义契约，描述技能\"做什么\"、\"要什么\"、\"给什么\"。\n\n## 格式（YAML）\n\n```yaml\nskill_ir:\n name: \"技能名\"\n version: \"1.0.0\"\n intent: \"一句话描述核心意图\"\n triggers:\n - \"关键词1\"\n - \"关键词2\"\n inputs:\n - name: \"输入名\"\n type: \"text|file|url|path\"\n required: true\n description: \"描述\"\n outputs:\n - name: \"输出名\"\n type: \"text|file|json\"\n description: \"描述\"\n dependencies:\n tools: [\"Read\", \"Write\", \"Bash\"]\n skills: [\"urlgo\"] # 依赖的其他技能\n env: [\"API_KEY\"] # 环境变量\n quality_gates:\n min_signal_density: 0.8\n max_tokens: 300\n required_sections: [\"Keywords\", \"Summary\", \"Strategy\", \"AVOID\"]\n```\n\n## 用途\n\n- 创建技能时自动生成 IR\n- 诊断时用 IR 做结构化验证\n- 发布时 IR 作为元数据上传\n\n## 生成流程\n\n1. 从需求中提取信息\n2. 填充 IR 字段\n3. 验证 IR 完整性\n4. 保存为 `skill-ir.json`\n\n## 验证规则\n\n- name：必须存在，非空\n- version：必须符合语义化版本格式\n- triggers：至少一个触发词\n- inputs：可选，但若存在则必须有 name 和 type\n- outputs：可选，但若存在则必须有 name 和 type\n- quality_gates：必须包含 min_signal_density 和 max_tokens\n\n## AVOID\n\n- AVOID IR 字段缺失\n- AVOID 版本号格式错误\n- AVOID 触发词为空\n- AVOID 质量门禁阈值不合理\n\nFile v3.0.0:reference/theory.md\n\n# 理论依据\n\n## 论文\n\nFrom Procedural Skills to Strategy Genes: Towards Experience-Driven Test-Time Evolution\n\n作者：Junjie Wang, Yiming Ren, Haoyang Zhang（清华 × EvoMap）\n\narXiv: https://arxiv.org/abs/2604.15097\n\n### 核心发现\n\n1. 信息密度：完整文档 ≠ 高控制密度，信号被稀释了\n2. Token 实验：Gene（230 token）比 Skill（2500 token）高 3.0pp\n3. 结构有效：只有 Strategy 真正起作用，Overview 是最大负贡献\n4. 失败经验：最佳形态是独立的「AVOID xxx」语句\n\n---\n\n## 实践文章\n\n《Skill 101：如何写好 Skill》— Henry Li\n\nhttps://my.feishu.cn/wiki/LWazwBXDUipUZVkYCK2c8JK3nEc\n\n### 原则\n\n1. Skill 是给 AI 看的，不是给人看的\n2. 渐进式披露：SKILL.md 只放索引，≤100 行\n3. 脚本优先于 prompt，可靠一个数量级\n4. Human-in-the-Loop：适当引入交互\n5. 持续迭代：用 → 失败 → 改\n\n---\n\n## Gene 四要素\n\n```\nkeywords - 触发词\nsummary - 一句话\nstrategy - 可执行步骤（核心）\nAVOID - 失败经验（高价值）\n```\n\n## 负贡献\n\n| 内容 | 处理 |\n|------|------|\n| Overview | 删除 |\n| 冗长背景 | 删除或外置 |\n| 为人类可读的材料 | 删除 |\n| 重复信息 | 删除 |\n\n## 最佳实践\n\nToken ≤ 300，信号密度 > 80%，Gene 四要素齐全，渐进披露。\n\nArchive v2.1.0: 9 files, 12642 bytes\n\nFiles: examples/demo.md (1682b), modules/01-diagnose.md (1704b), modules/02-create.md (1925b), reference/criteria.md (1529b), reference/theory.md (1333b), reports/技能诊断总报告_20260422.md (15474b), skill-card.md (2266b), SKILL.md (2140b), _meta.json (130b)\n\nFile v2.1.0:SKILL.md\n\n---\nname: 技能诊所\ndescription: \"🏥 技能诊所 | 诊断优化 + 创建技能。触发：技能体检、技能诊断、创建技能\"\nallowed-tools:\n - Read\n - Glob\n - Grep\n - Write\n - Edit\n - AskUserQuestion\n\nmetadata:\n priority: 750\n slug: skillclinic\n version: \"2.1.0\"\n trigger: 技能体检、技能诊断、技能评估、技能优化、技能检查、创建技能、设计技能、新建技能、skill clinic\n copaw:\n emoji: \"🏥\"\n---\n\n# 🏥 技能诊所\n\n## Keywords\n\n技能体检、技能诊断、技能创建、Gene结构、metadata.trigger\n\n## Summary\n\n诊断优化现有技能 + 从零创建新技能。\n\n## Strategy\n\n1. 询问用户意图（诊断 or 创建）\n2. **诊断**：读取 modules/01-diagnose.md → 检查结构 → 算分评级 → 开处方\n3. **创建**：读取 modules/02-create.md → 收集需求 → 选择模板 → 创建文件 → 验证质量\n\n## Language（评分项，15分）\n\n| 得分 | 标准 |\n|------|------|\n| 15 | 极致简练，无废话，每句话有信息增量 |\n| 10 | 较简练，有少量冗余 |\n| 5 | 冗余较多 |\n| 0 | 废话连篇 |\n\n**要求**：\n- 用表格/列表代替段落\n- 去掉\"请\"、\"可以\"、\"能够\"等虚词\n- 不解释显而易见的事\n\n## AVOID\n\n- AVOID 只读SKILL.md就下结论\n- AVOID 只改SKILL.md不改其他文档\n- AVOID 给了分不给建议\n- AVOID 忽略metadata.trigger检查\n- AVOID 冗余描述、废话连篇\n\n---\n\n## 功能模块\n\n| 模块 | 触发 | 流程 |\n|------|------|------|\n| 诊断优化 | 体检、诊断、评估 | modules/01-diagnose.md |\n| 创建技能 | 创建、设计、新建 | modules/02-create.md |\n\n## 评分标准\n\n| 维度 | 分值 | 检测项 |\n|------|------|--------|\n| 结构 | 30 | Keywords(8) + Summary(8) + Strategy(8) + AVOID(6) |\n| 触发 | 10 | metadata.trigger |\n| 内容 | 35 | 语言简练(15) + 信号密度(10) + 可执行性(10) |\n| 实践 | 25 | 渐进式披露(10) + Human-in-the-Loop(10) + CLI友好(5) |\n\n| 等级 | 分数 |\n|------|------|\n| S | ≥80 |\n| A | 70-79 |\n| B | 60-69 |\n| C | <60 |\n\n## 参考\n\n- 评分标准：reference/criteria.md\n- 使用示例：examples/demo.md\n\nFile v2.1.0:_meta.json\n\n{\n \"ownerId\": \"kn71rk0chjcdy7ffgfc08hh9gd83ehq8\",\n \"slug\": \"skillclinic\",\n \"version\": \"2.1.0\",\n \"publishedAt\": 1780294202880\n}\n\nFile v2.1.0:examples/demo.md\n\n# 使用示例\n\n## 示例一：诊断\n\n**输入**：体检技能诊所\n\n**执行**：\n```\n1. 确定意图 → 诊断\n2. 读取文件 → SKILL.md + modules/\n3. 检查结构 → Keywords(10) + Summary(10) + Strategy(10) + AVOID(5) = 35\n4. 检查触发 → metadata.trigger存在 = 10\n5. 检查内容 → Token效率(13) + 信号密度(10) + 可执行性(10) = 33\n6. 检查实践 → 渐进式披露(8) + Human-in-the-Loop(7) + CLI友好(5) = 20\n7. 总分 → 35+10+33+20 = 98\n8. 等级 → S\n```\n\n**输出**：\n```\n总分：98/100\n等级：S\n建议：保持现状\n```\n\n## 示例二：创建简单技能\n\n**输入**：创建代码审查技能\n\n**执行**：\n```\n1. 收集需求：\n - 名称：代码审查\n - 描述：审查代码质量\n - 触发：代码审查、code review\n - 输入：代码路径\n - 输出：审查报告\n2. 判断 → ✅ 值得沉淀\n3. 选择 → 简单模板\n4. 创建 → 代码审查/SKILL.md\n5. 验证 → 通过\n```\n\n**输出**：\n```\n已创建：代码审查/SKILL.md\n```\n\n## 示例三：创建复杂技能\n\n**输入**：创建文档生成技能，支持多格式\n\n**执行**：\n```\n1. 收集需求：\n - 名称：DocGen\n - 描述：文档自动生成\n - 触发：生成文档、docgen\n - 输入：项目路径\n - 输出：文档文件\n2. 判断 → ✅ 值得沉淀\n3. 选择 → 复杂模板（模块化）\n4. 创建：\n - DocGen/SKILL.md\n - DocGen/modules/01-analyze.md\n - DocGen/modules/02-generate.md\n - DocGen/modules/03-export.md\n5. 验证 → 通过\n```\n\n**输出**：\n```\n已创建：DocGen/\n├── SKILL.md\n└── modules/\n ├── 01-analyze.md\n ├── 02-generate.md\n └── 03-export.md\n```\n\nFile v2.1.0:modules/01-diagnose.md\n\n# 模块一：诊断优化\n\n## 流程\n\n1. 询问体检目标（技能名或路径）\n2. 读取技能文件（SKILL.md + 相关文档）\n3. 检查 Gene 结构\n4. 检查触发配置\n5. 检查语言简练\n6. 计算评分\n7. 输出报告 + 改进建议\n8. 询问是否执行改进\n\n## Gene 结构检查\n\n| 部分 | 分值 | 标准 |\n|------|------|------|\n| Keywords | 8 | 3-5个精准关键词 |\n| Summary | 8 | 一句话概括 |\n| Strategy | 8 | 步骤清晰可执行 |\n| AVOID | 6 | ≥3条常见错误 |\n\n## 触发检查\n\n**关键**：metadata.trigger 必须存在，否则技能无法触发。\n\n## 语言简练检查（15分）\n\n| 得分 | 标准 |\n|------|------|\n| 15 | 极致简练，无废话，每句话有信息增量 |\n| 10 | 较简练，有少量冗余 |\n| 5 | 冗余较多 |\n| 0 | 废话连篇 |\n\n**检测项**：\n- 是否用表格/列表代替段落\n- 是否有\"请\"、\"可以\"、\"能够\"等虚词\n- 是否有重复内容\n- 是否解释了显而易见的事\n\n## 内容检查\n\n| 维度 | 分值 | 标准 |\n|------|------|------|\n| 信号密度 | 10 | 关键信息突出 |\n| 可执行性 | 10 | 步骤可直接执行 |\n\n## 实践检查\n\n| 维度 | 分值 | 标准 |\n|------|------|------|\n| 渐进式披露 | 10 | SKILL.md < 200行 |\n| Human-in-the-Loop | 10 | 关键决策询问用户 |\n| CLI友好 | 5 | 输出适合终端 |\n\n## 负贡献\n\n| 问题 | 扣分 |\n|------|------|\n| 无 metadata.trigger | -10 |\n| SKILL.md > 300行 | -5 |\n| 无示例 | -5 |\n| 有明显错误 | -5 |\n| 冗余描述多 | -3 |\n\n## AVOID\n\n- AVOID 只读SKILL.md就下结论\n- AVOID 只改SKILL.md不改其他文档\n- AVOID 给了分不给建议\n- AVOID 忽略metadata.trigger检查\n- AVOID 冗余描述、废话连篇\n\nFile v2.1.0:modules/02-create.md\n\n# 模块二：创建技能\n\n## 核心理念\n\n```\n技能 = 预定义上下文 + 执行规则 + 验证标准\n```\n\n## 流程\n\n1. 收集需求（名称、描述、触发场景、输入输出）\n2. 判断是否值得沉淀\n3. 选择模板\n4. 创建文件\n5. 验证质量\n\n## 判断标准\n\n```\n✅ 值得沉淀：\n- 经常遇到\n- 流程明确\n- 可标准化\n\n❌ 不值得：\n- 一次性任务\n- 流程不明确\n```\n\n## 简单技能模板\n\n```markdown\n---\npriority: 500\nname: {技能名}\ndescription: \"{emoji} {描述} | 触发：xxx\"\nmetadata:\n version: \"1.0.0\"\n trigger: \"触发关键字\"\n---\n\n# {技能名}\n\n## Keywords\n关键词1、关键词2、关键词3\n\n## Summary\n一句话概括。\n\n## Strategy\n1. 步骤一\n2. 步骤二\n\n## Language\n- 极致简练\n- 用表格/列表代替段落\n- 每句话有信息增量\n\n## AVOID\n- AVOID 错误行为1\n- AVOID 错误行为2\n```\n\n## 复杂技能模板\n\n```markdown\n---\npriority: 800\nname: {技能名}\ndescription: \"{emoji} {描述} | 触发：xxx\"\nallowed-tools:\n - Read\n - Write\n\nmetadata:\n version: \"1.0.0\"\n trigger: \"触发关键字\"\n---\n\n# {技能名}\n\n## Keywords\n关键词1、关键词2、关键词3\n\n## Summary\n一句话概括。\n\n## Strategy\n1. 读取 modules/01-xxx.md\n2. 执行步骤\n3. 输出结果\n\n## Language\n- 极致简练\n- 用表格/列表代替段落\n- 每句话有信息增量\n\n## AVOID\n- AVOID 错误行为1\n- AVOID 错误行为2\n```\n\n## 命名原则\n\n| 好 | 差 |\n|------|------|\n| 搬题姬、墨池、雀影 | XXX工具、XXX助手 |\n| 破晓、格知 | 超长名字、英文混杂 |\n\n## 最佳实践\n\n1. Spec-Driven：先定义规格\n2. Context Compression：SKILL.md < 200行\n3. Tool Selection：明确 allowed-tools\n4. Verification-First：先定义验收标准\n\n## AVOID\n\n- AVOID 创建一次性任务为技能\n- AVOID 命名功能性、无辨识度\n- AVOID SKILL.md 过长不拆分\n- AVOID 无 metadata.trigger\n- AVOID 无示例\n- AVOID 冗余描述\n\nFile v2.1.0:reference/criteria.md\n\n# 评分标准\n\n## 结构分（30）\n\n| 部分 | 分值 | 标准 |\n|------|------|------|\n| Keywords | 8 | 3-5个精准关键词 |\n| Summary | 8 | 一句话概括 |\n| Strategy | 8 | 步骤清晰可执行 |\n| AVOID | 6 | ≥3条常见错误 |\n\n## 触发分（10）\n\n| 情况 | 分值 |\n|------|------|\n| 有 metadata.trigger | 10 |\n| 无 metadata.trigger | 0（致命）|\n\n## 内容分（35）\n\n| 维度 | 分值 | 标准 |\n|------|------|------|\n| 语言简练 | 15 | 极致简练，无废话，每句话有信息增量 |\n| 信号密度 | 10 | 关键信息突出，用表格/列表 |\n| 可执行性 | 10 | 步骤可直接执行 |\n\n### 语言简练评分\n\n| 得分 | 标准 |\n|------|------|\n| 15 | 极致简练，无废话，每句话有信息增量 |\n| 10 | 较简练，有少量冗余 |\n| 5 | 冗余较多 |\n| 0 | 废话连篇 |\n\n### 语言要求\n\n- 用表格/列表代替段落\n- 去掉\"请\"、\"可以\"、\"能够\"等虚词\n- 不解释显而易见的事\n- 不重复\n\n## 实践分（25）\n\n| 维度 | 分值 | 标准 |\n|------|------|------|\n| 渐进式披露 | 10 | SKILL.md < 200行，详细内容放 modules/ |\n| Human-in-the-Loop | 10 | 关键决策询问用户，有 AskUserQuestion |\n| CLI友好 | 5 | 输出适合终端，用表格/列表 |\n\n## 负贡献\n\n| 问题 | 扣分 |\n|------|------|\n| 无 metadata.trigger | -10 |\n| SKILL.md > 300行 | -5 |\n| 无示例 | -5 |\n| 有明显错误 | -5 |\n| 冗余描述多 | -3 |\n\n## 等级\n\n| 等级 | 分数 |\n|------|------|\n| S | ≥80 |\n| A | 70-79 |\n| B | 60-69 |\n| C | <60 |\n\nFile v2.1.0:reference/theory.md\n\n# 理论依据\n\n## 论文\n\nFrom Procedural Skills to Strategy Genes: Towards Experience-Driven Test-Time Evolution\n\n作者：Junjie Wang, Yiming Ren, Haoyang Zhang（清华 × EvoMap）\n\narXiv: https://arxiv.org/abs/2604.15097\n\n### 核心发现\n\n1. 信息密度：完整文档 ≠ 高控制密度，信号被稀释了\n2. Token 实验：Gene（230 token）比 Skill（2500 token）高 3.0pp\n3. 结构有效：只有 Strategy 真正起作用，Overview 是最大负贡献\n4. 失败经验：最佳形态是独立的「AVOID xxx」语句\n\n---\n\n## 实践文章\n\n《Skill 101：如何写好 Skill》— Henry Li\n\nhttps://my.feishu.cn/wiki/LWazwBXDUipUZVkYCK2c8JK3nEc\n\n### 原则\n\n1. Skill 是给 AI 看的，不是给人看的\n2. 渐进式披露：SKILL.md 只放索引，≤100 行\n3. 脚本优先于 prompt，可靠一个数量级\n4. Human-in-the-Loop：适当引入交互\n5. 持续迭代：用 → 失败 → 改\n\n---\n\n## Gene 四要素\n\n```\nkeywords - 触发词\nsummary - 一句话\nstrategy - 可执行步骤（核心）\nAVOID - 失败经验（高价值）\n```\n\n## 负贡献\n\n| 内容 | 处理 |\n|------|------|\n| Overview | 删除 |\n| 冗长背景 | 删除或外置 |\n| 为人类可读的材料 | 删除 |\n| 重复信息 | 删除 |\n\n## 最佳实践\n\nToken ≤ 300，信号密度 > 80%，Gene 四要素齐全，渐进披露。\n\nFile v2.1.0:reports/技能诊断总报告_20260422.md\n\n# 技能诊所诊断总报告\n\n**诊断日期**: 2026-04-22 \n**诊断专家**: general-purpose-1 \n**诊断范围**: ~/.codebuddy/skills/ 目录下所有技能\n\n---\n\n## 诊断标准回顾\n\n| 维度 | 满分 | 检测项 |\n|------|------|--------|\n| 结构分 | 40 | keywords + summary + strategy + AVOID |\n| 内容分 | 40 | Token效率 + 信号密度 + 可执行性 |\n| 实践分 | 20 | 渐进式披露 + Human-in-the-Loop + CLI友好 |\n\n| 等级 | 分数 |\n|------|------|\n| S | ≥80 |\n| A | 70-79 |\n| B | 60-69 |\n| C | <60 |\n\n---\n\n## 诊断结果汇总\n\n| 技能名称 | 结构分 | 内容分 | 实践分 | 总分 | 等级 |\n|---------|--------|--------|--------|------|------|\n| 搬题姬 | 35 | 35 | 18 | 88 | S |\n| 备课 | 35 | 30 | 16 | 81 | S |\n| 盯盘哨兵 | 25 | 20 | 12 | 57 | C |\n| 格语 | 30 | 28 | 14 | 72 | A |\n| 格知 | 28 | 26 | 12 | 66 | B |\n| 公众号写手 | 32 | 25 | 14 | 71 | A |\n| 记重点 | 30 | 22 | 10 | 62 | B |\n| 见自己 | 32 | 28 | 16 | 76 | A |\n| 撸树人 | 28 | 26 | 14 | 68 | B |\n| 墨染天工 | 25 | 20 | 10 | 55 | C |\n| 漫语 | 30 | 30 | 16 | 76 | A |\n| 命题工坊 | 28 | 28 | 14 | 70 | A |\n| 破晓 | 35 | 32 | 18 | 85 | S |\n| 雀影 | 35 | 35 | 18 | 88 | S |\n| 图片姬 | 30 | 25 | 12 | 67 | B |\n| urlgo | 38 | 38 | 20 | 96 | S |\n| docx | 35 | 35 | 18 | 88 | S |\n| pdf | 35 | 35 | 18 | 88 | S |\n\n---\n\n## 详细诊断报告\n\n### 1. 搬题姬 (ojimport) - S级 (88分)\n\n**结构分: 35/40**\n- ✅ keywords: \"OJ题目, 算法题搬运, 竞赛题目, AtCoder, Codeforces, GESP\" (5分)\n- ✅ summary: \"从 OJ 平台搬运题目，生成标准化的题目文件包\" (5分)\n- ✅ strategy: 步骤有序、可执行、有验证点 (15分)\n- ✅ AVOID: 每条有错误行为 + 正确做法 (10分)\n\n**内容分: 35/40**\n- Token效率: ~400 tokens (10分)\n- 信号密度: ~75% (12分)\n- 可执行性: 完全可执行 (13分)\n\n**实践分: 18/20**\n- 渐进式披露: 有步骤文档分离 (8分)\n- Human-in-the-Loop: 有用户确认环节 (6分)\n- CLI友好: 命令表格清晰 (4分)\n\n**优点**:\n- 步骤文档分离设计优秀，按需读取\n- AVOID条目具体且有正确做法指导\n- GESP等级判定表完整\n\n**改进建议**:\n- 可增加更多错误处理场景\n\n---\n\n### 2. 备课 - S级 (81分)\n\n**结构分: 35/40**\n- ✅ keywords: 隐含在metadata.trigger中 (4分)\n- ✅ summary: 完整的ADDIE模型描述 (5分)\n- ✅ strategy: 五阶段清晰，模块化设计 (15分)\n- ✅ AVOID: 未显式列出 (6分)\n\n**内容分: 30/40**\n- Token效率: ~600 tokens (8分)\n- 信号密度: ~70% (10分)\n- 可执行性: 完全可执行 (12分)\n\n**实践分: 16/20**\n- 渐进式披露: 模块化文档设计 (8分)\n- Human-in-the-Loop: 有检查清单 (5分)\n- CLI友好: 一般 (3分)\n\n**优点**:\n- ADDIE五阶段设计专业\n- 模块化架构清晰\n- CDN源偏好明确\n\n**改进建议**:\n- 增加显式AVOID条目\n- 可精简部分冗余描述\n\n---\n\n### 3. 盯盘哨兵 - C级 (57分)\n\n**结构分: 25/40**\n- ❌ keywords: 无Gene结构keywords (0分)\n- ❌ summary: 无Gene结构summary (0分)\n- ❌ strategy: 流程在代码块中，非Gene格式 (5分)\n- ❌ AVOID: 无 (0分)\n- ✅ 但有完整的触发场景和工作流程 (20分补充)\n\n**内容分: 20/40**\n- Token效率: >800 tokens (0分)\n- 信号密度: ~50% (8分)\n- 可执行性: 部分可执行 (12分)\n\n**实践分: 12/20**\n- 渐进式披露: 无 (4分)\n- Human-in-the-Loop: 无 (4分)\n- CLI友好: 有命令示例 (4分)\n\n**优点**:\n- 支持品种全面\n- 推送配置完整\n\n**改进建议**:\n- 添加Gene结构（keywords、summary、strategy、AVOID）\n- 大幅精简内容，提高信号密度\n- 删除过多示例对话\n\n---\n\n### 4. 格语 - A级 (72分)\n\n**结构分: 30/40**\n- ❌ keywords: 无 (0分)\n- ✅ summary: 有完整描述 (5分)\n- ✅ strategy: 步骤清晰可执行 (12分)\n- ❌ AVOID: 无 (0分)\n- ✅ 补充分: 执行流程完整 (13分)\n\n**内容分: 28/40**\n- Token效率: ~500 tokens (10分)\n- 信号密度: ~65% (10分)\n- 可执行性: 完全可执行 (8分)\n\n**实践分: 14/20**\n- 渐进式披露: 有分步确认 (8分)\n- Human-in-the-Loop: 有用户选择 (6分)\n- CLI友好: 一般 (0分)\n\n**优点**:\n- 宫格数量智能推荐设计好\n- 风格选择丰富\n\n**改进建议**:\n- 添加Gene结构keywords和AVOID\n- 增加错误处理场景\n\n---\n\n### 5. 格知 - B级 (66分)\n\n**结构分: 28/40**\n- ❌ keywords: 无 (0分)\n- ✅ summary: 有描述 (5分)\n- ✅ strategy: AI自主分析流程 (10分)\n- ❌ AVOID: 无 (0分)\n- ✅ 补充分: AI自主判断设计 (13分)\n\n**内容分: 26/40**\n- Token效率: ~550 tokens (8分)\n- 信号密度: ~60% (10分)\n- 可执行性: 完全可执行 (8分)\n\n**实践分: 12/20**\n- 渐进式披露: 有 (6分)\n- Human-in-the-Loop: 有用户确认 (6分)\n- CLI友好: 无 (0分)\n\n**优点**:\n- AI自主判断设计灵活\n- 快速模式支持\n\n**改进建议**:\n- 添加Gene结构\n- 增加具体执行约束\n\n---\n\n### 6. 公众号写手 - A级 (71分)\n\n**结构分: 32/40**\n- ❌ keywords: 在metadata.trigger中 (3分)\n- ✅ summary: 完整描述 (5分)\n- ✅ strategy: 五步法清晰 (12分)\n- ❌ AVOID: 无显式AVOID (0分)\n- ✅ 衡充: 禁忌和注意事项 (12分)\n\n**内容分: 25/40**\n- Token效率: >800 tokens (0分)\n- 信号密度: ~50% (8分)\n- 可执行性: 完全可执行 (17分)\n\n**实践分: 14/20**\n- 渐进式披露: 有 (6分)\n- Human-in-the-Loop: 有用户选择 (6分)\n- CLI友好: 一般 (2分)\n\n**优点**:\n- 去AI痕迹技巧详细\n- 经验迭代机制完善\n\n**改进建议**:\n- 大幅精简，Token过多\n- 添加显式Gene结构\n- 删除过多示例\n\n---\n\n### 7. 记重点 - B级 (62分)\n\n**结构分: 30/40**\n- ❌ keywords: 无 (0分)\n- ✅ summary: 有描述 (5分)\n- ✅ strategy: 流程清晰 (12分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 铁律和禁止行为 (13分)\n\n**内容分: 22/40**\n- Token效率: >800 tokens (0分)\n- 信号密度: ~45% (8分)\n- 可执行性: 完全可执行 (14分)\n\n**实践分: 10/20**\n- 渐进式披露: 有 (4分)\n- Human-in-the-Loop: 有 (4分)\n- CLI友好: 一般 (2分)\n\n**优点**:\n- 情绪识别设计创新\n- 铁律约束强\n\n**改进建议**:\n- 大幅精简\n- 添加Gene结构\n- 减少重复示例\n\n---\n\n### 8. 见自己 - A级 (76分)\n\n**结构分: 32/40**\n- ❌ keywords: 在metadata.trigger中 (3分)\n- ✅ summary: 完整描述 (5分)\n- ✅ strategy: 三步流程清晰 (15分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 约束条件详细 (9分)\n\n**内容分: 28/40**\n- Token效率: ~600 tokens (8分)\n- 信号密度: ~65% (10分)\n- 可执行性: 完全可执行 (10分)\n\n**实践分: 16/20**\n- 渐进式披露: 有 (8分)\n- Human-in-the-Loop: 有对话控制 (6分)\n- CLI友好: 一般 (2分)\n\n**优点**:\n- 对话控制机制完善\n- 8问题限制设计好\n- 自检清单完整\n\n**改进建议**:\n- 添加显式AVOID\n- 精简部分冗余描述\n\n---\n\n### 9. 撸树人 - B级 (68分)\n\n**结构分: 28/40**\n- ❌ keywords: 无 (0分)\n- ✅ summary: 有描述 (5分)\n- ✅ strategy: 五阶段清晰 (12分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 禁忌和注意事项 (11分)\n\n**内容分: 26/40**\n- Token效率: ~600 tokens (8分)\n- 信号密度: ~60% (10分)\n- 可执行性: 完全可执行 (8分)\n\n**实践分: 14/20**\n- 渐进式披露: 有 (6分)\n- Human-in-the-Loop: 有问答引导 (6分)\n- CLI友好: 一般 (2分)\n\n**优点**:\n- 鲁迅风格要素详细\n- 动态问题生成设计好\n\n**改进建议**:\n- 添加Gene结构\n- 增加执行约束\n\n---\n\n### 10. 墨染天工 - C级 (55分)\n\n**结构分: 25/40**\n- ❌ keywords: 无 (0分)\n- ✅ summary: 有描述 (5分)\n- ❌ strategy: 无显式Strategy (5分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 写作指南详细 (15分)\n\n**内容分: 20/40**\n- Token效率: >1000 tokens (0分)\n- 信号密度: ~40% (5分)\n- 可执行性: 部分可执行 (15分)\n\n**实践分: 10/20**\n- 渐进式披露: 有 (4分)\n- Human-in-the-Loop: 一般 (4分)\n- CLI友好: 有工具说明 (2分)\n\n**优点**:\n- 东方科技体系设计独特\n- 文笔风格规范详细\n\n**改进建议**:\n- 大幅精简，Token过多\n- 添加Gene结构\n- 增加可执行策略\n\n---\n\n### 11. 漫语 - A级 (76分)\n\n**结构分: 30/40**\n- ❌ keywords: 在metadata中 (3分)\n- ✅ summary: 有描述 (5分)\n- ✅ strategy: 三步流程清晰 (15分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 注意事项 (7分)\n\n**内容分: 30/40**\n- Token效率: ~350 tokens (12分)\n- 信号密度: ~75% (12分)\n- 可执行性: 完全可执行 (6分)\n\n**实践分: 16/20**\n- 渐进式披露: 有 (8分)\n- Human-in-the-Loop: 有用户确认 (6分)\n- CLI友好: 一般 (2分)\n\n**优点**:\n- 简洁高效\n- Prompt模板规范\n\n**改进建议**:\n- 添加显式AVOID\n- 增加更多执行细节\n\n---\n\n### 12. 命题工坊 - A级 (70分)\n\n**结构分: 28/40**\n- ❌ keywords: 无 (0分)\n- ✅ summary: 有描述 (5分)\n- ✅ strategy: 四步流程 (12分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 禁止行为详细 (11分)\n\n**内容分: 28/40**\n- Token效率: ~500 tokens (10分)\n- 信号密度: ~65% (10分)\n- 可执行性: 完全可执行 (8分)\n\n**实践分: 14/20**\n- 渐进式披露: 有 (6分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 一般 (2分)\n\n**优点**:\n- 思维性要求明确\n- OI规范完整\n\n**改进建议**:\n- 添加Gene结构\n- 增加更多题型示例\n\n---\n\n### 13. 破晓 - S级 (85分)\n\n**结构分: 35/40**\n- ✅ keywords: 在trigger_keywords中 (5分)\n- ✅ summary: \"模块化设计 · 自动判断报告类型 · 微信友好格式\" (5分)\n- ✅ strategy: 模块化步骤清晰 (15分)\n- ✅ AVOID: 禁止行为详细 (10分)\n\n**内容分: 32/40**\n- Token效率: ~500 tokens (10分)\n- 信号密度: ~70% (12分)\n- 可执行性: 完全可执行 (10分)\n\n**实践分: 18/20**\n- 渐进式披露: 步骤文档分离 (8分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 有 (4分)\n\n**优点**:\n- 铁律约束强\n- 模块化设计优秀\n- 步骤文档分离\n\n**改进建议**:\n- 可进一步精简主文档\n\n---\n\n### 14. 雀影 - S级 (88分)\n\n**结构分: 35/40**\n- ✅ keywords: \"雀影, 视频生成, AI视频, 分镜, Seedance, 即梦, prompt\" (5分)\n- ✅ summary: \"交互式引导完善视频创意，生成分镜脚本和 Seedance 提示词\" (5分)\n- ✅ strategy: 四步策略清晰 (15分)\n- ✅ AVOID: 四条具体约束 (10分)\n\n**内容分: 35/40**\n- Token效率: ~300 tokens (15分)\n- 信号密度: ~80% (12分)\n- 可执行性: 完全可执行 (8分)\n\n**实践分: 18/20**\n- 渐进式披露: 规范文档分离 (8分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 命令表格清晰 (4分)\n\n**优点**:\n- Gene结构完整\n- 规范文档分离设计好\n- 简洁高效\n\n**改进建议**:\n- 可增加更多执行示例\n\n---\n\n### 15. 图片姬 - B级 (67分)\n\n**结构分: 30/40**\n- ❌ keywords: 在metadata.trigger中 (3分)\n- ✅ summary: 完整描述 (5分)\n- ✅ strategy: 流程清晰 (12分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 禁止示例详细 (10分)\n\n**内容分: 25/40**\n- Token效率: >800 tokens (0分)\n- 信号密度: ~50% (8分)\n- 可执行性: 完全可执行 (17分)\n\n**实践分: 12/20**\n- 渐进式披露: 有 (6分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 一般 (0分)\n\n**优点**:\n- AI自主决策设计灵活\n- 质量检查清单完整\n\n**改进建议**:\n- 大幅精简\n- 添加显式Gene结构\n- 删除过多模板\n\n---\n\n### 16. urlgo - S级 (96分)\n\n**结构分: 38/40**\n- ✅ keywords: \"https://, http://, www., 浏览器, CDP, 截图, 网页, mp.weixin\" (5分)\n- ✅ summary: \"连 CDP，开网页，截图，执行 JS\" (5分)\n- ✅ strategy: 四步策略极简清晰 (15分)\n- ✅ AVOID: 三条具体约束 (13分)\n\n**内容分: 38/40**\n- Token效率: ~200 tokens (15分)\n- 信号密度: ~90% (15分)\n- 可执行性: 完全可执行 (8分)\n\n**实践分: 20/20**\n- 渐进式披露: 有 (8分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 命令表格清晰 (6分)\n\n**优点**:\n- Gene结构完美\n- 极简高效\n- 信号密度极高\n\n**改进建议**:\n- 无明显改进点\n\n---\n\n### 17. docx - S级 (88分)\n\n**结构分: 35/40**\n- ❌ keywords: 隐含在description中 (3分)\n- ✅ summary: 清晰描述 (5分)\n- ✅ strategy: 创建/编辑流程清晰 (15分)\n- ✅ AVOID: Critical Rules详细 (12分)\n\n**内容分: 35/40**\n- Token效率: ~600 tokens (10分)\n- 信号密度: ~70% (12分)\n- 可执行性: 完全可执行 (13分)\n\n**实践分: 18/20**\n- 渐进式披露: 有 (8分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 命令清晰 (4分)\n\n**优点**:\n- Critical Rules明确\n- XML参考详细\n- 表格宽度规则清晰\n\n**改进建议**:\n- 可添加显式keywords\n\n---\n\n### 18. pdf - S级 (88分)\n\n**结构分: 35/40**\n- ❌ keywords: 隐含在description中 (3分)\n- ✅ summary: 清晰描述 (5分)\n- ✅ strategy: 操作流程清晰 (15分)\n- ✅ AVOID: 有注意事项 (12分)\n\n**内容分: 35/40**\n- Token效率: ~500 tokens (12分)\n- 信号密度: ~70% (12分)\n- 可执行性: 完全可执行 (11分)\n\n**实践分: 18/20**\n- 渐进式披露: 有 (8分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 命令清晰 (4分)\n\n**优点**:\n- Quick Reference表格实用\n- Python库和命令行工具并重\n- 下标/上标处理注意事项\n\n**改进建议**:\n- 可添加显式keywords\n\n---\n\n## 统计分析\n\n### 等级分布\n\n| 等级 | 数量 | 技能列表 |\n|------|------|---------|\n| S | 7 | urlgo, 搬题姬, 雀影, docx, pdf, 破晓, 备课 |\n| A | 5 | 格语, 公众号写手, 见自己, 漫语, 命题工坊 |\n| B | 4 | 格知, 记重点, 撸树人, 图片姬 |\n| C | 2 | 盯盘哨兵, 墨染天工 |\n\n### 常见问题\n\n1. **缺少Gene结构** (12/18技能)\n - 无keywords: 12个\n - 无显式AVOID: 12个\n\n2. **Token过多** (5/18技能)\n - >800 tokens: 盯盘哨兵, 公众号写手, 记重点, 墨染天工, 图片姬\n\n3. **信号密度低** (4/18技能)\n - <50%: 盯盘哨兵, 记重点, 墨染天工, 图片姬\n\n---\n\n## 改进建议优先级\n\n### 高优先级（立即修复）\n\n1. **盯盘哨兵、墨染天工**: 添加完整Gene结构，大幅精简内容\n2. **公众号写手、记重点、图片姬**: 精简Token，提高信号密度\n\n### 中优先级（下次优化）\n\n1. **格语、格知、撸树人、命题工坊**: 添加显式AVOID\n2. **备课**: 添加显式Gene结构\n\n### 低优先级（持续改进）\n\n1. **漫语**: 增加更多执行细节\n2. **雀影**: 增加更多执行示例\n\n---\n\n## 最佳实践参考\n\n### Gene结构典范: urlgo\n\n```yaml\nDomain keywords: https://, http://, www., 浏览器, CDP, 截图, 网页, mp.weixin\n\nSummary: 连 CDP，开网页，截图，执行 JS。\n\nStrategy:\n1. `urlgo status` → CDP 开了没？没开就 `urlgo start`\n2. `urlgo open ` → 打开页面\n3. 截图/读取/点击/输入/执行 JS\n4. 返回结果\n\nAVOID:\n- AVOID 不检查 CDP 就操作，先 status/start\n- AVOID 忘装 websockets，截图和 JS 要用它\n- AVOID 用 WebFetch 读网页，应该用 urlgo snapshot 代替\n```\n\n**特点**:\n- Token极简（~200）\n- 信号密度极高（~90%）\n- 每条AVOID都有正确做法\n\n---\n\n## 结论\n\n本次诊断覆盖18个技能，发现：\n\n1. **优秀技能（S级）**: 7个，占比39%\n - 共同特点：Gene结构完整、Token高效、步骤清晰\n\n2. **良好技能（A级）**: 5个，占比28%\n - 共同特点：流程清晰、可执行性强\n\n3. **待改进技能（B/C级）**: 6个，占比33%\n - 主要问题：缺少Gene结构、Token过多、信号密度低\n\n**建议**: 优先修复C级技能（盯盘哨兵、墨染天工），添加完整Gene结构并精简内容。\n\n---\n\n*报告生成时间: 2026-04-22* \n*诊断工具: 技能诊所 v1.0*\n\nFile v2.1.0:skill-card.md\n\n## Description:
\n技能诊所 helps agents diagnose, score, optimize, and create skill files using a structured Gene-style workflow.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[fslong520](https://clawhub.ai/user/fslong520)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nDevelopers and skill authors use this skill to review existing skills for structure, trigger quality, concision, and operational usefulness, then receive a score and improvement suggestions. They can also use it to create new skill files from collected requirements and built-in templates.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: Generated or edited skill triggers may activate too broadly.
\nMitigation: Confirm the target directory and review generated trigger metadata before allowing file changes.
\nRisk: Diagnostic recommendations may introduce incorrect or misleading guidance into skill files.
\nMitigation: Review the report and scan changed skills before deployment.
\n\n\n## Reference(s):
\n- [ClawHub skill page](https://clawhub.ai/fslong520/skillclinic)
\n- [Scoring criteria](artifact/reference/criteria.md)
\n- [Theory reference](artifact/reference/theory.md)
\n- [Usage examples](artifact/examples/demo.md)
\n- [From Procedural Skills to Strategy Genes](https://arxiv.org/abs/2604.15097)
\n- [Skill 101 reference](https://my.feishu.cn/wiki/LWazwBXDUipUZVkYCK2c8JK3nEc)
\n\n\n## Skill Output:
\n**Output Type(s):** [text, markdown, code, configuration, guidance]
\n**Output Format:** [Markdown guidance, reports, and skill-file content]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [May produce diagnostic scores, improvement recommendations, and new or edited skill files when the user confirms the target.]
\n\n## Skill Version(s):
\n2.1.0 (source: server release evidence and artifact metadata)
\n\n## Ethical Considerations:
\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.
\n\nArchive v1.3.0: 6 files, 9671 bytes\n\nFiles: reference/criteria.md (2820b), reference/theory.md (1333b), reports/技能诊断总报告_20260422.md (15474b), skill-card.md (2058b), SKILL.md (2061b), _meta.json (130b)\n\nFile v1.3.0:SKILL.md\n\n---\nname: 技能诊所\nslug: skillclinic\ndescription: AI 技能体检诊断，检测Gene结构完整性、触发配置、内容质量\nallowed-tools:\n - Read\n - Glob\n - Write\n - Edit\n - AskUserQuestion\n\nmetadata:\n trigger: 技能体检、技能诊断、技能评估、技能优化、技能检查、skill clinic\n---\n\n# 技能诊所\n\n## Summary\n\n技能质量体检：检测Gene结构（keywords/summary/strategy/AVOID）+ 触发配置（metadata.trigger）+ 内容质量，输出评分和改进建议。\n\n## Keywords\n\n技能体检、Gene结构、技能质量、触发配置、metadata.trigger\n\n## Strategy\n\n1. **问用户要体检哪个技能**：支持技能名称或完整路径\n2. **读取技能文件**：SKILL.md 和目录下其他文档\n3. **检查Gene结构**：keywords、summary、strategy、AVOID\n4. **检查触发配置**：metadata.trigger 是否存在（关键！无此字段技能无法触发）\n5. **算分**：结构(35) + 触发(10) + 内容(35) + 实践(20) - 负贡献\n6. **定等级**：S/A/B/C\n7. **开处方**：提出改进建议，问用户是否执行\n\n## AVOID\n\n- AVOID 只读SKILL.md就下结论，目录下其他文档也要看\n- AVOID 只改SKILL.md不改其他文档，改进要覆盖所有相关文件\n- AVOID 给了分不给建议，等于没说\n- AVOID 改文档时表述不清，要说清楚\"错误行为 + 应该怎样\"\n- AVOID 忽略metadata.trigger检查，无此字段技能无法被触发\n- AVOID 自己写得烂还去评价别人，先照照镜子\n\n---\n\n## 入口\n\n问用户：要体检哪个技能？\n\n支持技能名称或完整路径。\n\n## 标准\n\n| 维度 | 满分 | 检测项 |\n|------|------|--------|\n| 结构分 | 35 | keywords + summary + strategy + AVOID |\n| 触发分 | 10 | metadata.trigger（无此字段=技能无法触发！）|\n| 内容分 | 35 | Token效率 + 信号密度 + 可执行性 |\n| 实践分 | 20 | 渐进式披露 + Human-in-the-Loop + CLI友好 |\n\n| 等级 | 分数 |\n|------|------|\n| S | ≥80 |\n| A | 70-79 |\n| B | 60-69 |\n| C | <60 |\n\n## 参考\n\n详细标准见 reference/criteria.md\n\nFile v1.3.0:_meta.json\n\n{\n \"ownerId\": \"kn71rk0chjcdy7ffgfc08hh9gd83ehq8\",\n \"slug\": \"skillclinic\",\n \"version\": \"1.3.0\",\n \"publishedAt\": 1776874528194\n}\n\nFile v1.3.0:reference/criteria.md\n\n# 评价标准\n\n## 结构分（35 分）\n\n| 项目 | 分值 | 标准 |\n|------|------|------|\n| keywords | 5 | 有=5，无=0 |\n| summary | 5 | 有=5，无=0 |\n| strategy | 15 | S=15, A=10, B=5, C=0 |\n| AVOID | 10 | S=10, A=7, B=5, C=0 |\n\n### Strategy 等级\n\n| 等级 | 标准 |\n|------|------|\n| S | 步骤有序、可执行、有验证点 |\n| A | 步骤有序、可执行 |\n| B | 有顺序但模糊 |\n| C | 无序，像 README |\n\n### AVOID 等级\n\n| 等级 | 标准 |\n|------|------|\n| S | 每条有错误行为 + 正确做法 |\n| A | 每条有明确的错误行为 |\n| B | 模糊警告，无具体场景 |\n| C | 无失败经验 |\n\n---\n\n## 触发分（10 分）⚠️ 关键项\n\n| 项目 | 分值 | 标准 |\n|------|------|------|\n| metadata.trigger | 10 | 有=10，无=0 |\n\n**⚠️ 重要说明**：\n- `metadata.trigger` 是技能触发关键词配置\n- **无此字段 = 技能无法被系统触发！**\n- 这是很多技能\"写好了但不生效\"的根本原因\n- 必须包含能匹配用户输入的关键词列表\n\n### trigger 字段示例\n\n```yaml\nmetadata:\n trigger: pua、PUA、激励、鞭策、失败重试、穷尽方案、再试试、加油\n```\n\n---\n\n## 内容分（35 分）\n\n| 项目 | 分值 | 标准 |\n|------|------|------|\n| Token 效率 | 15 | ≤300行=15, 300-500行=10, 500-800行=5, >800行=0 |\n| 信号密度 | 10 | >80%=10, 50-80%=7, <50%=5 |\n| 可执行性 | 10 | 完全=10, 部分=5, 描述=0 |\n\n信号密度 = 有效信号行 / 总行数\n\n有效信号：Gene 结构、入口、命令表、触发配置\n无效信号：Overview、背景、装饰、冗余示例\n\n---\n\n## 实践分（20 分）\n\n| 项目 | 分值 | 标准 |\n|------|------|------|\n| 渐进式披露 | 8 | 有=8，无=0 |\n| Human-in-the-Loop | 6 | 有=6，无=0 |\n| CLI 友好 | 6 | 有=6，无=0 |\n\n---\n\n## 负贡献\n\n| 项目 | 扣分 |\n|------|------|\n| Overview 段落 | -10 |\n| 冗余背景介绍 | -5~-15 |\n| 重复信息 | -5~-10 |\n| Token > 800行 | -5 |\n| Token > 1500行 | -10 |\n\n---\n\n## 等级\n\n| 等级 | 分数 |\n|------|------|\n| S | ≥80 |\n| A | 70-79 |\n| B | 60-69 |\n| C | <60 |\n\n---\n\n## 体检报告模板\n\n```\n## 📋 技能：{技能名}\n\n**结构分析：**\n- keywords: {有/无} → {得分}\n- summary: {有/无} → {得分}\n- strategy: {等级} → {得分}\n- AVOID: {等级} → {得分}\n\n**触发分析：**\n- metadata.trigger: {有/无} → {得分}\n- ⚠️ {若无：此技能无法被触发！}\n\n**内容分析：**\n- Token效率: {行数} → {得分}\n- 信号密度: {百分比} → {得分}\n- 可执行性: {程度} → {得分}\n\n**实践分析：**\n- 渐进式披露: {有/无} → {得分}\n- Human-in-the-Loop: {有/无} → {得分}\n- CLI友好: {有/无} → {得分}\n\n**总分：{分数} → {等级}**\n\n**问题诊断：**\n{列出主要问题}\n\n**改进处方：**\n{列出改进建议}\n```\n\nFile v1.3.0:reference/theory.md\n\n# 理论依据\n\n## 论文\n\nFrom Procedural Skills to Strategy Genes: Towards Experience-Driven Test-Time Evolution\n\n作者：Junjie Wang, Yiming Ren, Haoyang Zhang（清华 × EvoMap）\n\narXiv: https://arxiv.org/abs/2604.15097\n\n### 核心发现\n\n1. 信息密度：完整文档 ≠ 高控制密度，信号被稀释了\n2. Token 实验：Gene（230 token）比 Skill（2500 token）高 3.0pp\n3. 结构有效：只有 Strategy 真正起作用，Overview 是最大负贡献\n4. 失败经验：最佳形态是独立的「AVOID xxx」语句\n\n---\n\n## 实践文章\n\n《Skill 101：如何写好 Skill》— Henry Li\n\nhttps://my.feishu.cn/wiki/LWazwBXDUipUZVkYCK2c8JK3nEc\n\n### 原则\n\n1. Skill 是给 AI 看的，不是给人看的\n2. 渐进式披露：SKILL.md 只放索引，≤100 行\n3. 脚本优先于 prompt，可靠一个数量级\n4. Human-in-the-Loop：适当引入交互\n5. 持续迭代：用 → 失败 → 改\n\n---\n\n## Gene 四要素\n\n```\nkeywords - 触发词\nsummary - 一句话\nstrategy - 可执行步骤（核心）\nAVOID - 失败经验（高价值）\n```\n\n## 负贡献\n\n| 内容 | 处理 |\n|------|------|\n| Overview | 删除 |\n| 冗长背景 | 删除或外置 |\n| 为人类可读的材料 | 删除 |\n| 重复信息 | 删除 |\n\n## 最佳实践\n\nToken ≤ 300，信号密度 > 80%，Gene 四要素齐全，渐进披露。\n\nFile v1.3.0:reports/技能诊断总报告_20260422.md\n\n# 技能诊所诊断总报告\n\n**诊断日期**: 2026-04-22 \n**诊断专家**: general-purpose-1 \n**诊断范围**: ~/.codebuddy/skills/ 目录下所有技能\n\n---\n\n## 诊断标准回顾\n\n| 维度 | 满分 | 检测项 |\n|------|------|--------|\n| 结构分 | 40 | keywords + summary + strategy + AVOID |\n| 内容分 | 40 | Token效率 + 信号密度 + 可执行性 |\n| 实践分 | 20 | 渐进式披露 + Human-in-the-Loop + CLI友好 |\n\n| 等级 | 分数 |\n|------|------|\n| S | ≥80 |\n| A | 70-79 |\n| B | 60-69 |\n| C | <60 |\n\n---\n\n## 诊断结果汇总\n\n| 技能名称 | 结构分 | 内容分 | 实践分 | 总分 | 等级 |\n|---------|--------|--------|--------|------|------|\n| 搬题姬 | 35 | 35 | 18 | 88 | S |\n| 备课 | 35 | 30 | 16 | 81 | S |\n| 盯盘哨兵 | 25 | 20 | 12 | 57 | C |\n| 格语 | 30 | 28 | 14 | 72 | A |\n| 格知 | 28 | 26 | 12 | 66 | B |\n| 公众号写手 | 32 | 25 | 14 | 71 | A |\n| 记重点 | 30 | 22 | 10 | 62 | B |\n| 见自己 | 32 | 28 | 16 | 76 | A |\n| 撸树人 | 28 | 26 | 14 | 68 | B |\n| 墨染天工 | 25 | 20 | 10 | 55 | C |\n| 漫语 | 30 | 30 | 16 | 76 | A |\n| 命题工坊 | 28 | 28 | 14 | 70 | A |\n| 破晓 | 35 | 32 | 18 | 85 | S |\n| 雀影 | 35 | 35 | 18 | 88 | S |\n| 图片姬 | 30 | 25 | 12 | 67 | B |\n| urlgo | 38 | 38 | 20 | 96 | S |\n| docx | 35 | 35 | 18 | 88 | S |\n| pdf | 35 | 35 | 18 | 88 | S |\n\n---\n\n## 详细诊断报告\n\n### 1. 搬题姬 (ojimport) - S级 (88分)\n\n**结构分: 35/40**\n- ✅ keywords: \"OJ题目, 算法题搬运, 竞赛题目, AtCoder, Codeforces, GESP\" (5分)\n- ✅ summary: \"从 OJ 平台搬运题目，生成标准化的题目文件包\" (5分)\n- ✅ strategy: 步骤有序、可执行、有验证点 (15分)\n- ✅ AVOID: 每条有错误行为 + 正确做法 (10分)\n\n**内容分: 35/40**\n- Token效率: ~400 tokens (10分)\n- 信号密度: ~75% (12分)\n- 可执行性: 完全可执行 (13分)\n\n**实践分: 18/20**\n- 渐进式披露: 有步骤文档分离 (8分)\n- Human-in-the-Loop: 有用户确认环节 (6分)\n- CLI友好: 命令表格清晰 (4分)\n\n**优点**:\n- 步骤文档分离设计优秀，按需读取\n- AVOID条目具体且有正确做法指导\n- GESP等级判定表完整\n\n**改进建议**:\n- 可增加更多错误处理场景\n\n---\n\n### 2. 备课 - S级 (81分)\n\n**结构分: 35/40**\n- ✅ keywords: 隐含在metadata.trigger中 (4分)\n- ✅ summary: 完整的ADDIE模型描述 (5分)\n- ✅ strategy: 五阶段清晰，模块化设计 (15分)\n- ✅ AVOID: 未显式列出 (6分)\n\n**内容分: 30/40**\n- Token效率: ~600 tokens (8分)\n- 信号密度: ~70% (10分)\n- 可执行性: 完全可执行 (12分)\n\n**实践分: 16/20**\n- 渐进式披露: 模块化文档设计 (8分)\n- Human-in-the-Loop: 有检查清单 (5分)\n- CLI友好: 一般 (3分)\n\n**优点**:\n- ADDIE五阶段设计专业\n- 模块化架构清晰\n- CDN源偏好明确\n\n**改进建议**:\n- 增加显式AVOID条目\n- 可精简部分冗余描述\n\n---\n\n### 3. 盯盘哨兵 - C级 (57分)\n\n**结构分: 25/40**\n- ❌ keywords: 无Gene结构keywords (0分)\n- ❌ summary: 无Gene结构summary (0分)\n- ❌ strategy: 流程在代码块中，非Gene格式 (5分)\n- ❌ AVOID: 无 (0分)\n- ✅ 但有完整的触发场景和工作流程 (20分补充)\n\n**内容分: 20/40**\n- Token效率: >800 tokens (0分)\n- 信号密度: ~50% (8分)\n- 可执行性: 部分可执行 (12分)\n\n**实践分: 12/20**\n- 渐进式披露: 无 (4分)\n- Human-in-the-Loop: 无 (4分)\n- CLI友好: 有命令示例 (4分)\n\n**优点**:\n- 支持品种全面\n- 推送配置完整\n\n**改进建议**:\n- 添加Gene结构（keywords、summary、strategy、AVOID）\n- 大幅精简内容，提高信号密度\n- 删除过多示例对话\n\n---\n\n### 4. 格语 - A级 (72分)\n\n**结构分: 30/40**\n- ❌ keywords: 无 (0分)\n- ✅ summary: 有完整描述 (5分)\n- ✅ strategy: 步骤清晰可执行 (12分)\n- ❌ AVOID: 无 (0分)\n- ✅ 补充分: 执行流程完整 (13分)\n\n**内容分: 28/40**\n- Token效率: ~500 tokens (10分)\n- 信号密度: ~65% (10分)\n- 可执行性: 完全可执行 (8分)\n\n**实践分: 14/20**\n- 渐进式披露: 有分步确认 (8分)\n- Human-in-the-Loop: 有用户选择 (6分)\n- CLI友好: 一般 (0分)\n\n**优点**:\n- 宫格数量智能推荐设计好\n- 风格选择丰富\n\n**改进建议**:\n- 添加Gene结构keywords和AVOID\n- 增加错误处理场景\n\n---\n\n### 5. 格知 - B级 (66分)\n\n**结构分: 28/40**\n- ❌ keywords: 无 (0分)\n- ✅ summary: 有描述 (5分)\n- ✅ strategy: AI自主分析流程 (10分)\n- ❌ AVOID: 无 (0分)\n- ✅ 补充分: AI自主判断设计 (13分)\n\n**内容分: 26/40**\n- Token效率: ~550 tokens (8分)\n- 信号密度: ~60% (10分)\n- 可执行性: 完全可执行 (8分)\n\n**实践分: 12/20**\n- 渐进式披露: 有 (6分)\n- Human-in-the-Loop: 有用户确认 (6分)\n- CLI友好: 无 (0分)\n\n**优点**:\n- AI自主判断设计灵活\n- 快速模式支持\n\n**改进建议**:\n- 添加Gene结构\n- 增加具体执行约束\n\n---\n\n### 6. 公众号写手 - A级 (71分)\n\n**结构分: 32/40**\n- ❌ keywords: 在metadata.trigger中 (3分)\n- ✅ summary: 完整描述 (5分)\n- ✅ strategy: 五步法清晰 (12分)\n- ❌ AVOID: 无显式AVOID (0分)\n- ✅ 衡充: 禁忌和注意事项 (12分)\n\n**内容分: 25/40**\n- Token效率: >800 tokens (0分)\n- 信号密度: ~50% (8分)\n- 可执行性: 完全可执行 (17分)\n\n**实践分: 14/20**\n- 渐进式披露: 有 (6分)\n- Human-in-the-Loop: 有用户选择 (6分)\n- CLI友好: 一般 (2分)\n\n**优点**:\n- 去AI痕迹技巧详细\n- 经验迭代机制完善\n\n**改进建议**:\n- 大幅精简，Token过多\n- 添加显式Gene结构\n- 删除过多示例\n\n---\n\n### 7. 记重点 - B级 (62分)\n\n**结构分: 30/40**\n- ❌ keywords: 无 (0分)\n- ✅ summary: 有描述 (5分)\n- ✅ strategy: 流程清晰 (12分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 铁律和禁止行为 (13分)\n\n**内容分: 22/40**\n- Token效率: >800 tokens (0分)\n- 信号密度: ~45% (8分)\n- 可执行性: 完全可执行 (14分)\n\n**实践分: 10/20**\n- 渐进式披露: 有 (4分)\n- Human-in-the-Loop: 有 (4分)\n- CLI友好: 一般 (2分)\n\n**优点**:\n- 情绪识别设计创新\n- 铁律约束强\n\n**改进建议**:\n- 大幅精简\n- 添加Gene结构\n- 减少重复示例\n\n---\n\n### 8. 见自己 - A级 (76分)\n\n**结构分: 32/40**\n- ❌ keywords: 在metadata.trigger中 (3分)\n- ✅ summary: 完整描述 (5分)\n- ✅ strategy: 三步流程清晰 (15分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 约束条件详细 (9分)\n\n**内容分: 28/40**\n- Token效率: ~600 tokens (8分)\n- 信号密度: ~65% (10分)\n- 可执行性: 完全可执行 (10分)\n\n**实践分: 16/20**\n- 渐进式披露: 有 (8分)\n- Human-in-the-Loop: 有对话控制 (6分)\n- CLI友好: 一般 (2分)\n\n**优点**:\n- 对话控制机制完善\n- 8问题限制设计好\n- 自检清单完整\n\n**改进建议**:\n- 添加显式AVOID\n- 精简部分冗余描述\n\n---\n\n### 9. 撸树人 - B级 (68分)\n\n**结构分: 28/40**\n- ❌ keywords: 无 (0分)\n- ✅ summary: 有描述 (5分)\n- ✅ strategy: 五阶段清晰 (12分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 禁忌和注意事项 (11分)\n\n**内容分: 26/40**\n- Token效率: ~600 tokens (8分)\n- 信号密度: ~60% (10分)\n- 可执行性: 完全可执行 (8分)\n\n**实践分: 14/20**\n- 渐进式披露: 有 (6分)\n- Human-in-the-Loop: 有问答引导 (6分)\n- CLI友好: 一般 (2分)\n\n**优点**:\n- 鲁迅风格要素详细\n- 动态问题生成设计好\n\n**改进建议**:\n- 添加Gene结构\n- 增加执行约束\n\n---\n\n### 10. 墨染天工 - C级 (55分)\n\n**结构分: 25/40**\n- ❌ keywords: 无 (0分)\n- ✅ summary: 有描述 (5分)\n- ❌ strategy: 无显式Strategy (5分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 写作指南详细 (15分)\n\n**内容分: 20/40**\n- Token效率: >1000 tokens (0分)\n- 信号密度: ~40% (5分)\n- 可执行性: 部分可执行 (15分)\n\n**实践分: 10/20**\n- 渐进式披露: 有 (4分)\n- Human-in-the-Loop: 一般 (4分)\n- CLI友好: 有工具说明 (2分)\n\n**优点**:\n- 东方科技体系设计独特\n- 文笔风格规范详细\n\n**改进建议**:\n- 大幅精简，Token过多\n- 添加Gene结构\n- 增加可执行策略\n\n---\n\n### 11. 漫语 - A级 (76分)\n\n**结构分: 30/40**\n- ❌ keywords: 在metadata中 (3分)\n- ✅ summary: 有描述 (5分)\n- ✅ strategy: 三步流程清晰 (15分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 注意事项 (7分)\n\n**内容分: 30/40**\n- Token效率: ~350 tokens (12分)\n- 信号密度: ~75% (12分)\n- 可执行性: 完全可执行 (6分)\n\n**实践分: 16/20**\n- 渐进式披露: 有 (8分)\n- Human-in-the-Loop: 有用户确认 (6分)\n- CLI友好: 一般 (2分)\n\n**优点**:\n- 简洁高效\n- Prompt模板规范\n\n**改进建议**:\n- 添加显式AVOID\n- 增加更多执行细节\n\n---\n\n### 12. 命题工坊 - A级 (70分)\n\n**结构分: 28/40**\n- ❌ keywords: 无 (0分)\n- ✅ summary: 有描述 (5分)\n- ✅ strategy: 四步流程 (12分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 禁止行为详细 (11分)\n\n**内容分: 28/40**\n- Token效率: ~500 tokens (10分)\n- 信号密度: ~65% (10分)\n- 可执行性: 完全可执行 (8分)\n\n**实践分: 14/20**\n- 渐进式披露: 有 (6分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 一般 (2分)\n\n**优点**:\n- 思维性要求明确\n- OI规范完整\n\n**改进建议**:\n- 添加Gene结构\n- 增加更多题型示例\n\n---\n\n### 13. 破晓 - S级 (85分)\n\n**结构分: 35/40**\n- ✅ keywords: 在trigger_keywords中 (5分)\n- ✅ summary: \"模块化设计 · 自动判断报告类型 · 微信友好格式\" (5分)\n- ✅ strategy: 模块化步骤清晰 (15分)\n- ✅ AVOID: 禁止行为详细 (10分)\n\n**内容分: 32/40**\n- Token效率: ~500 tokens (10分)\n- 信号密度: ~70% (12分)\n- 可执行性: 完全可执行 (10分)\n\n**实践分: 18/20**\n- 渐进式披露: 步骤文档分离 (8分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 有 (4分)\n\n**优点**:\n- 铁律约束强\n- 模块化设计优秀\n- 步骤文档分离\n\n**改进建议**:\n- 可进一步精简主文档\n\n---\n\n### 14. 雀影 - S级 (88分)\n\n**结构分: 35/40**\n- ✅ keywords: \"雀影, 视频生成, AI视频, 分镜, Seedance, 即梦, prompt\" (5分)\n- ✅ summary: \"交互式引导完善视频创意，生成分镜脚本和 Seedance 提示词\" (5分)\n- ✅ strategy: 四步策略清晰 (15分)\n- ✅ AVOID: 四条具体约束 (10分)\n\n**内容分: 35/40**\n- Token效率: ~300 tokens (15分)\n- 信号密度: ~80% (12分)\n- 可执行性: 完全可执行 (8分)\n\n**实践分: 18/20**\n- 渐进式披露: 规范文档分离 (8分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 命令表格清晰 (4分)\n\n**优点**:\n- Gene结构完整\n- 规范文档分离设计好\n- 简洁高效\n\n**改进建议**:\n- 可增加更多执行示例\n\n---\n\n### 15. 图片姬 - B级 (67分)\n\n**结构分: 30/40**\n- ❌ keywords: 在metadata.trigger中 (3分)\n- ✅ summary: 完整描述 (5分)\n- ✅ strategy: 流程清晰 (12分)\n- ❌ AVOID: 无 (0分)\n- ✅ 衡充: 禁止示例详细 (10分)\n\n**内容分: 25/40**\n- Token效率: >800 tokens (0分)\n- 信号密度: ~50% (8分)\n- 可执行性: 完全可执行 (17分)\n\n**实践分: 12/20**\n- 渐进式披露: 有 (6分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 一般 (0分)\n\n**优点**:\n- AI自主决策设计灵活\n- 质量检查清单完整\n\n**改进建议**:\n- 大幅精简\n- 添加显式Gene结构\n- 删除过多模板\n\n---\n\n### 16. urlgo - S级 (96分)\n\n**结构分: 38/40**\n- ✅ keywords: \"https://, http://, www., 浏览器, CDP, 截图, 网页, mp.weixin\" (5分)\n- ✅ summary: \"连 CDP，开网页，截图，执行 JS\" (5分)\n- ✅ strategy: 四步策略极简清晰 (15分)\n- ✅ AVOID: 三条具体约束 (13分)\n\n**内容分: 38/40**\n- Token效率: ~200 tokens (15分)\n- 信号密度: ~90% (15分)\n- 可执行性: 完全可执行 (8分)\n\n**实践分: 20/20**\n- 渐进式披露: 有 (8分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 命令表格清晰 (6分)\n\n**优点**:\n- Gene结构完美\n- 极简高效\n- 信号密度极高\n\n**改进建议**:\n- 无明显改进点\n\n---\n\n### 17. docx - S级 (88分)\n\n**结构分: 35/40**\n- ❌ keywords: 隐含在description中 (3分)\n- ✅ summary: 清晰描述 (5分)\n- ✅ strategy: 创建/编辑流程清晰 (15分)\n- ✅ AVOID: Critical Rules详细 (12分)\n\n**内容分: 35/40**\n- Token效率: ~600 tokens (10分)\n- 信号密度: ~70% (12分)\n- 可执行性: 完全可执行 (13分)\n\n**实践分: 18/20**\n- 渐进式披露: 有 (8分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 命令清晰 (4分)\n\n**优点**:\n- Critical Rules明确\n- XML参考详细\n- 表格宽度规则清晰\n\n**改进建议**:\n- 可添加显式keywords\n\n---\n\n### 18. pdf - S级 (88分)\n\n**结构分: 35/40**\n- ❌ keywords: 隐含在description中 (3分)\n- ✅ summary: 清晰描述 (5分)\n- ✅ strategy: 操作流程清晰 (15分)\n- ✅ AVOID: 有注意事项 (12分)\n\n**内容分: 35/40**\n- Token效率: ~500 tokens (12分)\n- 信号密度: ~70% (12分)\n- 可执行性: 完全可执行 (11分)\n\n**实践分: 18/20**\n- 渐进式披露: 有 (8分)\n- Human-in-the-Loop: 有 (6分)\n- CLI友好: 命令清晰 (4分)\n\n**优点**:\n- Quick Reference表格实用\n- Python库和命令行工具并重\n- 下标/上标处理注意事项\n\n**改进建议**:\n- 可添加显式keywords\n\n---\n\n## 统计分析\n\n### 等级分布\n\n| 等级 | 数量 | 技能列表 |\n|------|------|---------|\n| S | 7 | urlgo, 搬题姬, 雀影, docx, pdf, 破晓, 备课 |\n| A | 5 | 格语, 公众号写手, 见自己, 漫语, 命题工坊 |\n| B | 4 | 格知, 记重点, 撸树人, 图片姬 |\n| C | 2 | 盯盘哨兵, 墨染天工 |\n\n### 常见问题\n\n1. **缺少Gene结构** (12/18技能)\n - 无keywords: 12个\n - 无显式AVOID: 12个\n\n2. **Token过多** (5/18技能)\n - >800 tokens: 盯盘哨兵, 公众号写手, 记重点, 墨染天工, 图片姬\n\n3. **信号密度低** (4/18技能)\n - <50%: 盯盘哨兵, 记重点, 墨染天工, 图片姬\n\n---\n\n## 改进建议优先级\n\n### 高优先级（立即修复）\n\n1. **盯盘哨兵、墨染天工**: 添加完整Gene结构，大幅精简内容\n2. **公众号写手、记重点、图片姬**: 精简Token，提高信号密度\n\n### 中优先级（下次优化）\n\n1. **格语、格知、撸树人、命题工坊**: 添加显式AVOID\n2. **备课**: 添加显式Gene结构\n\n### 低优先级（持续改进）\n\n1. **漫语**: 增加更多执行细节\n2. **雀影**: 增加更多执行示例\n\n---\n\n## 最佳实践参考\n\n### Gene结构典范: urlgo\n\n```yaml\nDomain keywords: https://, http://, www., 浏览器, CDP, 截图, 网页, mp.weixin\n\nSummary: 连 CDP，开网页，截图，执行 JS。\n\nStrategy:\n1. `urlgo status` → CDP 开了没？没开就 `urlgo start`\n2. `urlgo open ` → 打开页面\n3. 截图/读取/点击/输入/执行 JS\n4. 返回结果\n\nAVOID:\n- AVOID 不检查 CDP 就操作，先 status/start\n- AVOID 忘装 websockets，截图和 JS 要用它\n- AVOID 用 WebFetch 读网页，应该用 urlgo snapshot 代替\n```\n\n**特点**:\n- Token极简（~200）\n- 信号密度极高（~90%）\n- 每条AVOID都有正确做法\n\n---\n\n## 结论\n\n本次诊断覆盖18个技能，发现：\n\n1. **优秀技能（S级）**: 7个，占比39%\n - 共同特点：Gene结构完整、Token高效、步骤清晰\n\n2. **良好技能（A级）**: 5个，占比28%\n - 共同特点：流程清晰、可执行性强\n\n3. **待改进技能（B/C级）**: 6个，占比33%\n - 主要问题：缺少Gene结构、Token过多、信号密度低\n\n**建议**: 优先修复C级技能（盯盘哨兵、墨染天工），添加完整Gene结构并精简内容。\n\n---\n\n*报告生成时间: 2026-04-22* \n*诊断工具: 技能诊所 v1.0*\n\nFile v1.3.0:skill-card.md\n\n## Description:
\nSkillClinic diagnoses agent skill structure, trigger configuration, and content quality.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[fslong520](https://clawhub.ai/user/fslong520)
\n\n### License/Terms of Use:
\nMIT-0
\n\n\n## Use Case:
\nDevelopers and skill authors use SkillClinic to review a specific agent skill for structural completeness, trigger behavior, and content quality before publishing or updating it.
\n\n### Deployment Geography for Use:
\nGlobal
\n\n## Known Risks and Mitigations:
\nRisk: Broad trigger examples may cause unintended activation if copied into other skills.
\nMitigation: Use narrow, task-specific triggers and avoid copying broad examples into production skills.
\nRisk: Optional edits could introduce incorrect changes to a reviewed skill.
\nMitigation: Review generated recommendations and approve file edits only after checking the proposed changes.
\nRisk: Diagnostic guidance may be incomplete or misleading for a specific release context.
\nMitigation: Run security and quality scans and keep human review in the release process before deployment.
\n\n\n## Reference(s):
\n- [ClawHub SkillClinic page](https://clawhub.ai/fslong520/skillclinic)
\n- [ClawHub publisher profile](https://clawhub.ai/user/fslong520)
\n\n\n## Skill Output:
\n**Output Type(s):** [text, markdown, guidance, code]
\n**Output Format:** [Markdown diagnostic report with recommendations and optional proposed edits.]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Recommendations should be reviewed by the user before any file edits are approved.]
\n\n## Skill Version(s):
\n1.3.0 (source: server release metadata)
\n\n## Ethical Considerations:
\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.
\n\nArchive v1.2.0: 4 files, 3191 bytes\n\nFiles: reference/criteria.md (1462b), reference/theory.md (1333b), SKILL.md (1309b), _meta.json (130b)\n\nFile v1.2.0:SKILL.md\n\n---\nname: 技能诊所\nslug: skillclinic\ndescription: AI 技能体检诊断\nallowed-tools:\n - Read\n - Glob\n - Write\n - Edit\n - AskUserQuestion\n---\n\nDomain keywords: 技能体检, Gene结构, 技能质量\n\nSummary: 技能写得好不好，跑一遍便知。\n\nStrategy:\n1. 问用户要体检哪个技能\n2. 读 SKILL.md 和目录下其他文档\n3. 查 Gene 结构：keywords、summary、strategy、AVOID\n4. 算分：结构(40) + 内容(40) + 实践(20) - 负贡献\n5. 定等级：S/A/B/C\n6. 开处方：改成鲁迅式半文半白，精简 Token\n\nAVOID:\n- AVOID 只读 SKILL.md 就下结论，目录下其他文档也要看\n- AVOID 给了分不给建议，等于没说\n- AVOID 改文档时 AVOID 表述不清，要说清楚\"错误行为 + 应该怎样\"\n- AVOID 自己写得烂还去评价别人，先照照镜子\n\n---\n\n## 入口\n\n问用户：要体检哪个技能？\n\n支持技能名称或完整路径。\n\n## 标准\n\n| 维度 | 满分 | 检测项 |\n|------|------|--------|\n| 结构分 | 40 | keywords + summary + strategy + AVOID |\n| 内容分 | 40 | Token效率 + 信号密度 + 可执行性 |\n| 实践分 | 20 | 渐进式披露 + Human-in-the-Loop + CLI友好 |\n\n| 等级 | 分数 |\n|------|------|\n| S | ≥80 |\n| A | 70-79 |\n| B | 60-69 |\n| C | <60 |\n\n## 参考\n\n详细标准见 reference/criteria.md\n\nFile v1.2.0:_meta.json\n\n{\n \"ownerId\": \"kn71rk0chjcdy7ffgfc08hh9gd83ehq8\",\n \"slug\": \"skillclinic\",\n \"version\": \"1.2.0\",\n \"publishedAt\": 1776788007175\n}\n\nFile v1.2.0:reference/criteria.md\n\n# 评价标准\n\n## 结构分（40 分）\n\n| 项目 | 分值 | 标准 |\n|------|------|------|\n| keywords | 5 | 有=5 |\n| summary | 5 | 有=5 |\n| strategy | 15 | S=15, A=10, B=5, C=0 |\n| AVOID | 15 | S=15, A=10, B=5, C=0 |\n\n### Strategy 等级\n\n| 等级 | 标准 |\n|------|------|\n| S | 步骤有序、可执行、有验证点 |\n| A | 步骤有序、可执行 |\n| B | 有顺序但模糊 |\n| C | 无序，像 README |\n\n### AVOID 等级\n\n| 等级 | 标准 |\n|------|------|\n| S | 每条有错误行为 + 正确做法 |\n| A | 每条有明确的错误行为 |\n| B | 模糊警告，无具体场景 |\n| C | 无失败经验 |\n\n---\n\n## 内容分（40 分）\n\n| 项目 | 分值 | 标准 |\n|------|------|------|\n| Token 效率 | 15 | ≤300=15, 300-500=10, 500-800=5, >800=0 |\n| 信号密度 | 15 | >80%=15, 50-80%=10, <50%=5 |\n| 可执行性 | 10 | 完全=10, 部分=5, 描述=0 |\n\n信号密度 = 有效信号行 / 总行数\n\n有效信号：Gene 结构、入口、命令表\n无效信号：Overview、背景、装饰\n\n---\n\n## 实践分（20 分）\n\n| 项目 | 分值 | 标准 |\n|------|------|------|\n| 渐进式披露 | 8 | 有=8 |\n| Human-in-the-Loop | 6 | 有=6 |\n| CLI 友好 | 6 | 有=6 |\n\n---\n\n## 负贡献\n\n| 项目 | 扣分 |\n|------|------|\n| Overview | -10 |\n| 冗余背景 | -5~-15 |\n| 重复信息 | -5~-10 |\n| Token > 800 | -5 |\n| Token > 1500 | -10 |\n\n---\n\n## 等级\n\n| 等级 | 分数 |\n|------|------|\n| S | ≥80 |\n| A | 70-79 |\n| B | 60-69 |\n| C | <60 |\n\nFile v1.2.0:reference/theory.md\n\n# 理论依据\n\n## 论文\n\nFrom Procedural Skills to Strategy Genes: Towards Experience-Driven Test-Time Evolution\n\n作者：Junjie Wang, Yiming Ren, Haoyang Zhang（清华 × EvoMap）\n\narXiv: https://arxiv.org/abs/2604.15097\n\n### 核心发现\n\n1. 信息密度：完整文档 ≠ 高控制密度，信号被稀释了\n2. Token 实验：Gene（230 token）比 Skill（2500 token）高 3.0pp\n3. 结构有效：只有 Strategy 真正起作用，Overview 是最大负贡献\n4. 失败经验：最佳形态是独立的「AVOID xxx」语句\n\n---\n\n## 实践文章\n\n《Skill 101：如何写好 Skill》— Henry Li\n\nhttps://my.feishu.cn/wiki/LWazwBXDUipUZVkYCK2c8JK3nEc\n\n### 原则\n\n1. Skill 是给 AI 看的，不是给人看的\n2. 渐进式披露：SKILL.md 只放索引，≤100 行\n3. 脚本优先于 prompt，可靠一个数量级\n4. Human-in-the-Loop：适当引入交互\n5. 持续迭代：用 → 失败 → 改\n\n---\n\n## Gene 四要素\n\n```\nkeywords - 触发词\nsummary - 一句话\nstrategy - 可执行步骤（核心）\nAVOID - 失败经验（高价值）\n```\n\n## 负贡献\n\n| 内容 | 处理 |\n|------|------|\n| Overview | 删除 |\n| 冗长背景 | 删除或外置 |\n| 为人类可读的材料 | 删除 |\n| 重复信息 | 删除 |\n\n## 最佳实践\n\nToken ≤ 300，信号密度 > 80%，Gene 四要素齐全，渐进披露。\n\nArchive v1.1.0: 4 files, 3092 bytes\n\nFiles: reference/criteria.md (1462b), reference/theory.md (1333b), SKILL.md (1161b), _meta.json (130b)\n\nFile v1.1.0:SKILL.md\n\n---\nname: 技能诊所\nslug: skillclinic\ndescription: AI 技能体检诊断\nallowed-tools:\n - Read\n - Glob\n - AskUserQuestion\n---\n\nDomain keywords: 技能体检, Gene结构, 技能质量\n\nSummary: 技能写得好不好，跑一遍便知。\n\nStrategy:\n1. 问用户要体检哪个技能\n2. 读 SKILL.md 和目录下其他文档\n3. 查 Gene 结构：keywords、summary、strategy、AVOID\n4. 算分：结构(40) + 内容(40) + 实践(20) - 负贡献\n5. 定等级：S/A/B/C\n6. 开处方\n\nAVOID:\n- AVOID 只读 SKILL.md 就下结论，目录下其他文档也要看\n- AVOID 给了分不给建议，等于没说\n- AVOID 自己写得烂还去评价别人，先照照镜子\n\n---\n\n## 入口\n\n问用户：要体检哪个技能？\n\n支持技能名称或完整路径。\n\n## 标准\n\n| 维度 | 满分 | 检测项 |\n|------|------|--------|\n| 结构分 | 40 | keywords + summary + strategy + AVOID |\n| 内容分 | 40 | Token效率 + 信号密度 + 可执行性 |\n| 实践分 | 20 | 渐进式披露 + Human-in-the-Loop + CLI友好 |\n\n| 等级 | 分数 |\n|------|------|\n| S | ≥80 |\n| A | 70-79 |\n| B | 60-69 |\n| C | <60 |\n\n## 参考\n\n详细标准见 reference/criteria.md\n\nFile v1.1.0:_meta.json\n\n{\n \"ownerId\": \"kn71rk0chjcdy7ffgfc08hh9gd83ehq8\",\n \"slug\": \"skillclinic\",\n \"version\": \"1.1.0\",\n \"publishedAt\": 1776787299777\n}\n\nFile v1.1.0:reference/criteria.md\n\n# 评价标准\n\n## 结构分（40 分）\n\n| 项目 | 分值 | 标准 |\n|------|------|------|\n| keywords | 5 | 有=5 |\n| summary | 5 | 有=5 |\n| strategy | 15 | S=15, A=10, B=5, C=0 |\n| AVOID | 15 | S=15, A=10, B=5, C=0 |\n\n### Strategy 等级\n\n| 等级 | 标准 |\n|------|------|\n| S | 步骤有序、可执行、有验证点 |\n| A | 步骤有序、可执行 |\n| B | 有顺序但模糊 |\n| C | 无序，像 README |\n\n### AVOID 等级\n\n| 等级 | 标准 |\n|------|------|\n| S | 每条有错误行为 + 正确做法 |\n| A | 每条有明确的错误行为 |\n| B | 模糊警告，无具体场景 |\n| C | 无失败经验 |\n\n---\n\n## 内容分（40 分）\n\n| 项目 | 分值 | 标准 |\n|------|------|------|\n| Token 效率 | 15 | ≤300=15, 300-500=10, 500-800=5, >800=0 |\n| 信号密度 | 15 | >80%=15, 50-80%=10, <50%=5 |\n| 可执行性 | 10 | 完全=10, 部分=5, 描述=0 |\n\n信号密度 = 有效信号行 / 总行数\n\n有效信号：Gene 结构、入口、命令表\n无效信号：Overview、背景、装饰\n\n---\n\n## 实践分（20 分）\n\n| 项目 | 分值 | 标准 |\n|------|------|------|\n| 渐进式披露 | 8 | 有=8 |\n| Human-in-the-Loop | 6 | 有=6 |\n| CLI 友好 | 6 | 有=6 |\n\n---\n\n## 负贡献\n\n| 项目 | 扣分 |\n|------|------|\n| Overview | -10 |\n| 冗余背景 | -5~-15 |\n| 重复信息 | -5~-10 |\n| Token > 800 | -5 |\n| Token > 1500 | -10 |\n\n---\n\n## 等级\n\n| 等级 | 分数 |\n|------|------|\n| S | ≥80 |\n| A | 70-79 |\n| B | 60-69 |\n| C | <60 |\n\nFile v1.1.0:reference/theory.md\n\n# 理论依据\n\n## 论文\n\nFrom Procedural Skills to Strategy Genes: Towards Experience-Driven Test-Time Evolution\n\n作者：Junjie Wang, Yiming Ren, Haoyang Zhang（清华 × EvoMap）\n\narXiv: https://arxiv.org/abs/2604.15097\n\n### 核心发现\n\n1. 信息密度：完整文档 ≠ 高控制密度，信号被稀释了\n2. Token 实验：Gene（230 token）比 Skill（2500 token）高 3.0pp\n3. 结构有效：只有 Strategy 真正起作用，Overview 是最大负贡献\n4. 失败经验：最佳形态是独立的「AVOID xxx」语句\n\n---\n\n## 实践文章\n\n《Skill 101：如何写好 Skill》— Henry Li\n\nhttps://my.feishu.cn/wiki/LWazwBXDUipUZVkYCK2c8JK3nEc\n\n### 原则\n\n1. Skill 是给 AI 看的，不是给人看的\n2. 渐进式披露：SKILL.md 只放索引，≤100 行\n3. 脚本优先于 prompt，可靠一个数量级\n4. Human-in-the-Loop：适当引入交互\n5. 持续迭代：用 → 失败 → 改\n\n---\n\n## Gene 四要素\n\n```\nkeywords - 触发词\nsummary - 一句话\nstrategy - 可执行步骤（核心）\nAVOID - 失败经验（高价值）\n```\n\n## 负贡献\n\n| 内容 | 处理 |\n|------|------|\n| Overview | 删除 |\n| 冗长背景 | 删除或外置 |\n| 为人类可读的材料 | 删除 |\n| 重复信息 | 删除 |\n\n## 最佳实践\n\nToken ≤ 300，信号密度 > 80%，Gene 四要素齐全，渐进披露。\n\nArchive v1.0.0: 4 files, 5355 bytes\n\nFiles: reference/criteria.md (4303b), reference/theory.md (2568b), SKILL.md (1978b), _meta.json (130b)\n\nFile v1.0.0:SKILL.md\n\n---\nname: 技能诊所\nslug: skillclinic\ndescription: AI 技能体检诊断，基于 Gene 结构生成评分报告和改进处方\nallowed-tools:\n - Read\n - Glob\n - AskUserQuestion\n---\n\nDomain keywords: 技能体检, Skill诊断, Gene结构, 技能质量\n\nSummary: AI 技能体检诊断，基于 Gene 结构生成评分报告和改进处方。\n\nStrategy:\n1. 询问用户要评价的技能路径（技能名称或完整路径）\n2. 读取目标技能的 SKILL.md 文件\n3. 检测 Gene 结构：keywords、summary、strategy、AVOID\n4. 分析内容：Token 效率、信号密度、可执行性\n5. 评估实践：渐进式披露、Human-in-the-Loop、CLI友好\n6. 检测负贡献：Overview、冗余背景、重复信息\n7. 计算总分 = 结构分(40) + 内容分(40) + 实践分(20) - 负贡献扣分\n8. 评定等级：S(≥80) / A(70-79) / B(60-69) / C(<60)\n9. 生成改进建议和优化后的 SKILL.md 模板\n\nAVOID:\n- AVOID 评价时只看 SKILL.md，应该同时检查 steps 目录结构\n- AVOID 忽略渐进式披露设计，这是重要的实践分项\n- AVOID 只给分数不给改进建议，应该提供具体的优化模板\n- AVOID 自己违反自己宣扬的原则，技能诊所本身也应该是 Gene 风格\n\n---\n\n## 入口\n\n**👉 第一步：询问用户要评价的技能路径**\n\n支持两种输入：\n- **技能名称**：如 \"搬题姬\" → 自动查找 `~/.codebuddy/skills/搬题姬/`\n- **完整路径**：如 `/path/to/skill/`\n\n---\n\n## 快速参考\n\n详细评价标准见 `reference/criteria.md`，理论依据见 `reference/theory.md`\n\n| 维度 | 满分 | 核心检测项 |\n|------|------|-----------|\n| 结构分 | 40 | keywords + summary + strategy + AVOID |\n| 内容分 | 40 | Token效率 + 信号密度 + 可执行性 |\n| 实践分 | 20 | 渐进式披露 + Human-in-the-Loop + CLI友好 |\n\n| 等级 | 分数 | 说明 |\n|------|------|------|\n| S | ≥80 | 优秀 Gene 结构 |\n| A | 70-79 | 合格 |\n| B | 60-69 | 需重构 |\n| C | <60 | 不合格 |\n\nFile v1.0.0:_meta.json\n\n{\n \"ownerId\": \"kn71rk0chjcdy7ffgfc08hh9gd83ehq8\",\n \"slug\": \"skillclinic\",\n \"version\": \"1.0.0\",\n \"publishedAt\": 1776786173955\n}\n\nFile v1.0.0:reference/criteria.md\n\n# 评价标准详解\n\n## 一、结构分（满分 40 分）\n\n| 项目 | 分值 | 评分标准 |\n|------|------|----------|\n| keywords/trigger 存在 | 5 | 有=5，无=0 |\n| summary 存在 | 5 | 有=5，无=0 |\n| strategy 存在 | 15 | S级=15，A级=10，B级=5，C级=0 |\n| AVOID 存在 | 15 | S级=15，A级=10，B级=5，C级=0 |\n\n### Strategy 等级标准\n\n| 等级 | 标准 | 示例 |\n|------|------|------|\n| **S级** | 步骤有序、可执行、有验证点 | 每步都有明确的输入输出和验证条件 |\n| **A级** | 步骤有序、可执行 | 清晰的执行顺序，但缺少验证点 |\n| **B级** | 步骤有序但模糊 | 有顺序但步骤不够具体 |\n| **C级** | 无序或仅为描述 | 像是 README 而非控制程序 |\n\n### AVOID 等级标准\n\n| 等级 | 标准 |\n|------|------|\n| **S级** | 每条 AVOID 都包含：错误行为 + 正确做法 |\n| **A级** | 每条 AVOID 都有明确的错误行为 |\n| **B级** | 模糊的警告，缺少具体场景 |\n| **C级** | 无失败经验记录 |\n\n**正确示例**：\n```\nAVOID 评价时只看 SKILL.md，应该同时检查 steps 目录结构\n```\n\n**错误示例**：\n```\n注意要全面评价（太模糊，无具体错误行为）\n```\n\n---\n\n## 二、内容分（满分 40 分）\n\n| 项目 | 分值 | 评分标准 |\n|------|------|----------|\n| Token 效率 | 15 | ≤300=15，300-500=10，500-800=5，>800=0 |\n| 信号密度 | 15 | >80%=15，50-80%=10，<50%=5 |\n| 可执行性 | 10 | 完全可执行=10，部分=5，描述性=0 |\n\n### Token 效率标准\n\n| Token 数量 | 得分 | 说明 |\n|------------|------|------|\n| ≤ 300 | 15 | 优秀，符合 Gene 标准 |\n| 300-500 | 10 | 合格 |\n| 500-800 | 5 | 偏长，需要精简 |\n| > 800 | 0 | 不合格，必须拆分 |\n\n### 信号密度计算\n\n```\n信号密度 = 有效信号行数 / 总行数\n```\n\n**有效信号**：\n- Gene 结构（keywords、summary、strategy、AVOID）\n- 入口指引\n- 核心命令/表格\n\n**无效信号（负贡献）**：\n- Overview/背景介绍\n- 冗余的理论说明\n- 装饰性内容\n\n### 可执行性标准\n\n| 等级 | 得分 | 标准 |\n|------|------|------|\n| 完全可执行 | 10 | 每个步骤都有明确的命令或操作 |\n| 部分可执行 | 5 | 有步骤但缺少具体命令 |\n| 描述性 | 0 | 只有描述没有可执行步骤 |\n\n---\n\n## 三、实践分（满分 20 分）\n\n| 项目 | 分值 | 评分标准 |\n|------|------|----------|\n| 渐进式披露 | 8 | 有=8，无=0 |\n| Human-in-the-Loop | 6 | 有=6，无=0 |\n| CLI 友好 | 6 | 有=6，无=0 |\n\n### 渐进式披露\n\n**有**：\n```\nskill/\n├── SKILL.md # 索引入口（≤100 行）\n└── steps/ # 详细步骤文档\n```\n\n**无**：\n- 所有内容都在 SKILL.md 里\n- 没有独立的步骤文档\n\n### Human-in-the-Loop\n\n**有**：\n- allowed-tools 包含 AskUserQuestion\n- 步骤中有询问用户的场景\n\n**无**：\n- 没有交互设计\n- 全程自动执行\n\n### CLI 友好\n\n**有**：\n- 有明确的命令示例\n- 有文件路径表格\n- 有快速参考\n\n**无**：\n- 只有文字描述\n- 没有具体命令\n\n---\n\n## 四、负贡献扣分\n\n| 项目 | 扣分 | 说明 |\n|------|------|------|\n| 存在 Overview | -10 | 最大负贡献，必须删除 |\n| 存在冗余背景 | -5 ~ -15 | 理论依据、版本历史等 |\n| 存在重复信息 | -5 ~ -10 | 多次出现的相同内容 |\n| Token > 800 | -5 | 超过推荐上限 |\n| Token > 1500 | -10 | 严重超标 |\n\n---\n\n## 五、等级划分\n\n| 等级 | 分数范围 | 说明 |\n|------|----------|------|\n| **S** | ≥ 80 | 优秀的 Gene 结构，高控制密度 |\n| **A** | 70-79 | 合格的技能，可进一步精简 |\n| **B** | 60-69 | 需要重构，去除负贡献内容 |\n| **C** | < 60 | 不合格，需要完全重写 |\n\n---\n\n## 六、评价报告模板\n\n```markdown\n## [技能名称] 技能评价报告\n\n### 一、结构检测\n[结构分计算表格]\n\n### 二、内容分析\n[Token效率、信号密度、可执行性分析]\n\n### 三、实践分评估\n[渐进式披露、Human-in-the-Loop、CLI友好]\n\n### 四、负贡献扣分\n[冗余内容检测]\n\n### 五、总分计算\n总分 = 结构分 + 内容分 + 实践分 - 负贡献扣分\n\n### 六、等级评定\n[S/A/B/C]\n\n### 七、改进建议\n[具体改进项]\n\n### 八、优化后的 SKILL.md 模板\n[Gene 风格的模板]\n```\n\nFile v1.0.0:reference/theory.md\n\n# 理论依据\n\n本评价标准基于以下研究成果：\n\n---\n\n## 一、学术论文\n\n**论文**：From Procedural Skills to Strategy Genes: Towards Experience-Driven Test-Time Evolution\n\n**作者**：Junjie Wang, Yiming Ren, Haoyang Zhang\n\n**机构**：Infinite Evolution Lab（EvoMap）× 清华大学\n\n**arXiv**：https://arxiv.org/abs/2604.15097\n\n**Evolver**：https://github.com/EvoMap/evolver\n\n### 核心发现\n\n1. **信息密度原则**\n - 包罗万象的详细文档 ≠ 高质量控制对象\n - 完整性意味着信号被稀释、重点被冲淡\n\n2. **Token 对比实验**\n - 完整 Skill 包：约 2500 token\n - Gene 对象：约 230 token\n - 结果：Gene 高出 3.0pp，Skill 在强模型上拖后腿\n\n3. **结构有效性**\n - 只有 Strategy/Workflow 真正起作用\n - Overview 是全文最大的负贡献\n\n4. **失败经验形态**\n - 最佳形态：蒸馏成独立的「AVOID xxx」语句\n - 错误形态：把失败经验堆叠在 Skill 里\n\n---\n\n## 二、实践文章\n\n**文章**：《Skill 101：如何写好 Skill》\n\n**作者**：Henry Li\n\n**链接**：https://my.feishu.cn/wiki/LWazwBXDUipUZVkYCK2c8JK3nEc\n\n### 核心原则\n\n1. **Skill 是给 AI 看的**\n - 受众是 AI，不是人类\n - 写 Skill 时要站在 AI 的角度思考\n\n2. **渐进式披露**\n - SKILL.md 只放索引，控制在 100 行内\n - 详细内容拆分到独立文件\n - Claude 需要时会自己去读\n\n3. **脚本优先于 prompt**\n - 确定性操作用脚本比用自然语言描述可靠一个数量级\n - skill-creator 默认偏好 prompt，要主动说\"这步用脚本实现\"\n\n4. **Human-in-the-Loop**\n - 好的 Skill 应适当引入用户交互\n - 使用 AskUserQuestion 工具进行多轮交互\n\n5. **持续迭代**\n - 生成 → 真实任务里用它 → 失败反馈 → 改进\n - 每一轮都是一次人工 RLHF\n\n---\n\n## 三、关键启示\n\n### Gene 结构四要素\n\n```\nkeywords - 触发关键词（支持子串匹配、正则、多语言别名）\nsummary - 任务摘要（一句话）\nstrategy - 有序可执行步骤（核心）\nAVOID - 失败经验警告（高价值）\n```\n\n### 负贡献内容\n\n| 内容 | 影响 | 处理 |\n|------|------|------|\n| Overview | 最大负贡献 | 删除 |\n| 冗长背景 | 稀释信号 | 删除或外置 |\n| 为人类可读性的材料 | 对模型无用 | 删除 |\n| 重复信息 | 污染信号 | 删除 |\n\n### 最佳实践\n\n1. Token 控制：≤ 300 为优秀\n2. 信号密度：> 80% 为优秀\n3. 结构设计：Gene 四要素齐全\n4. 渐进披露：SKILL.md 只放索引","readmeExcerpt":"Skill: 技能诊所 Owner: fslong520 Summary: 🏥 技能诊所 | 诊断优化 + 创建技能 + 先例研究 + 评估门禁 + 运维反馈。触发：技能体检、技能诊断、创建技能、查重、门禁、反馈 Tags: ai:3.0.0, clinic:3.0.0, diagnosis:3.0.0, diagnostic:3.0.0, evaluation:3.0.0, latest:3.0.0, optimization:3.0.0, quality:3.0.0, skill:3.0.0 Version history: v3.0.0 | 2026-08-23T03:45:57.002Z | user 大版本迭代: 诊断优化+创建技能+先例研究+评估门禁+运维反馈五大模块; Gene结构检查; metadata.trigger 触发词; 技能创建流程(先例研究→模板→门禁验证); 技能体检评分评级; 查重先例研究 v2","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"1. 确定意图 → 诊断\n2. 读取文件 → SKILL.md + modules/\n3. 检查结构 → Keywords(8) + Summary(8) + Strategy(8) + AVOID(6) = 30\n4. 检查触发 → metadata.trigger存在 = 10\n5. 检查内容 → 语言简练(15) + 信号密度(10) + 可执行性(8) + 裁量空间(3) = 36\n6. 检查实践 → 渐进式披露(8) + Human-in-the-Loop(5) + CLI友好(4) = 17\n7. 总分 → 30+10+36+17 = 93\n8. 等级 → S"},{"language":"text","snippet":"总分：98/100\n等级：S\n建议：保持现状"},{"language":"text","snippet":"1. 收集需求：\n - 名称：代码审查\n - 描述：审查代码质量\n - 触发：代码审查、code review\n - 输入：代码路径\n - 输出：审查报告\n2. 判断 → ✅ 值得沉淀\n3. 选择 → 简单模板\n4. 创建 → 代码审查/SKILL.md\n5. 验证 → 通过"},{"language":"text","snippet":"已创建：代码审查/SKILL.md"},{"language":"text","snippet":"1. 收集需求：\n - 名称：DocGen\n - 描述：文档自动生成\n - 触发：生成文档、docgen\n - 输入：项目路径\n - 输出：文档文件\n2. 判断 → ✅ 值得沉淀\n3. 选择 → 复杂模板（模块化）\n4. 创建：\n - DocGen/SKILL.md\n - DocGen/modules/01-analyze.md\n - DocGen/modules/02-generate.md\n - DocGen/modules/03-export.md\n5. 验证 → 通过"},{"language":"text","snippet":"已创建：DocGen/\n├── SKILL.md\n└── modules/\n ├── 01-analyze.md\n ├── 02-generate.md\n └── 03-export.md"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: skillclinic\ndescription: \"🏥 技能诊所 | 诊断优化 + 创建技能 + 先例研究 + 评估门禁 + 运维反馈。触发：技能体检、技能诊断、创建技能、查重、门禁、反馈\"\nallowed-tools:\n - Read\n - Glob\n - Grep\n - Write\n - Edit\n - AskUserQuestion\n - Bash\n\nmetadata:\n priority: 750\n slug: skillclinic\n version: \"3.0.0\"\n trigger: 技能体检、技能诊断、技能评估、技能优化、技能检查、创建技能、设计技能、新建技能、skill clinic、查重、先例研究、技能门禁、技能验证、技能反馈\n copaw:\n emoji: \"🏥\"\n---\n\n# 🏥 技能诊所\n\n## Keywords\n\n技能体检、技能诊断、技能创建、先例研究、评估门禁、运维反馈、Gene结构、metadata.trigger\n\n## Summary\n\n诊断优化现有技能 + 从零创建新技能 + 先例研究 + 评估门禁 + 运维反馈。\n\n## Strategy\n\n1. 询问用户意图（诊断/创建/查重/门禁/反馈）\n2. **诊断**：读取 modules/01-diagnose.md → 检查结构 → 算分评级 → 开处方\n3. **创建**：读取 modules/03-precedent.md（先例研究）→ 读取 modules/02-create.md → 收集需求 → 选择模板 → 创建文件 → 读取 modules/05-gate.md（门禁验证）\n4. **查重**：读取 modules/03-precedent.md → 搜索 → 输出建议\n5. **门禁**：读取 modules/05-gate.md → 执行验证 → 输出结果\n6. **反馈**：读取 modules/04-feedback.md → 记录 → 分析 → 建议\n\n## Language（评分项，15分）\n\n| 得分 | 标准 |\n|------|------|\n| 15 | 极致简练，无废话，每句话有信息增量，Token≤200 |\n| 12 | 较简练，有少量冗余，Token≤300 |\n| 10 | 良好，Token≤500 |\n| 8 | 可接受，需精简，Token≤700 |\n| 5 | 过长，需重构，Token≤1000 |\n| 0 | 冗长，信号稀释，Token>1000 |\n\n**要求**：\n- 用表格/列表代替段落\n- 去掉\"请\"、\"可以\"、\"能够\"等虚词\n- 不解释显而易见的事\n\n## AVOID\n\n- AVOID 只读SKILL.md就下结论\n- AVOID 只改SKILL.md不改其他文档\n- AVOID 给了分不给建议\n- AVOID 忽略metadata.trigger检查\n- AVOID 冗余描述、废话连篇\n- AVOID Strategy 写死、无裁量空间\n\n---\n\n## 功能模块\n\n| 模块 | 触发 | 流程 |\n|------|------|------|\n| 诊断优化 | 体检、诊断、评估 | modules/01-diagnose.md |\n| 创建技能 | 创建、设计、新建 | modules/02-create.md |\n| 先例研究 | 查重、类似、有没有 | modules/03-precedent.md |\n| 评估门禁 | 门禁、验证、发布检查 | modules/05-gate.md |\n| 运维反馈 | 反馈、失败、漂移 | modules/04-feedback.md |\n\n## 评分标准\n\n| 维度 | 分值 | 检测项 |\n|------|------|--------|\n| 结构 | 30 | Keywords(8) + Summary(8) + Strategy(8) + AVOID(6) |\n| 触发 | 10 | metadata.trigger |\n| 内容 | 40 | 语言简练(15) + 信号密度(10) + 可执行性(10) + **裁量空间(5)** |\n| 实践 | 20 | 渐进式披露(10) + Human-in-the-Loop(5) + CLI友好(5) |\n\n| 等级 | 分数 |\n|------|------|\n| S | ≥80 |\n| A | 70-79 |\n| B | 60-69 |\n| C | <60 |\n\n## 参考\n\n- 评分标准：reference/criteria.md\n- 使用示例：examples/demo.md"},{"path":"_meta.json","content":"{\n \"ownerId\": \"kn71rk0chjcdy7ffgfc08hh9gd83ehq8\",\n \"slug\": \"skillclinic\",\n \"version\": \"3.0.0\",\n \"publishedAt\": 1787456757002\n}"},{"path":"examples/demo.md","content":"# 使用示例\n\n## 示例一：诊断\n\n**输入**：体检技能诊所\n\n**执行**：\n```\n1. 确定意图 → 诊断\n2. 读取文件 → SKILL.md + modules/\n3. 检查结构 → Keywords(8) + Summary(8) + Strategy(8) + AVOID(6) = 30\n4. 检查触发 → metadata.trigger存在 = 10\n5. 检查内容 → 语言简练(15) + 信号密度(10) + 可执行性(8) + 裁量空间(3) = 36\n6. 检查实践 → 渐进式披露(8) + Human-in-the-Loop(5) + CLI友好(4) = 17\n7. 总分 → 30+10+36+17 = 93\n8. 等级 → S\n```\n\n**输出**：\n```\n总分：98/100\n等级：S\n建议：保持现状\n```\n\n## 示例二：创建简单技能\n\n**输入**：创建代码审查技能\n\n**执行**：\n```\n1. 收集需求：\n - 名称：代码审查\n - 描述：审查代码质量\n - 触发：代码审查、code review\n - 输入：代码路径\n - 输出：审查报告\n2. 判断 → ✅ 值得沉淀\n3. 选择 → 简单模板\n4. 创建 → 代码审查/SKILL.md\n5. 验证 → 通过\n```\n\n**输出**：\n```\n已创建：代码审查/SKILL.md\n```\n\n## 示例三：创建复杂技能\n\n**输入**：创建文档生成技能，支持多格式\n\n**执行**：\n```\n1. 收集需求：\n - 名称：DocGen\n - 描述：文档自动生成\n - 触发：生成文档、docgen\n - 输入：项目路径\n - 输出：文档文件\n2. 判断 → ✅ 值得沉淀\n3. 选择 → 复杂模板（模块化）\n4. 创建：\n - DocGen/SKILL.md\n - DocGen/modules/01-analyze.md\n - DocGen/modules/02-generate.md\n - DocGen/modules/03-export.md\n5. 验证 → 通过\n```\n\n**输出**：\n```\n已创建：DocGen/\n├── SKILL.md\n└── modules/\n ├── 01-analyze.md\n ├── 02-generate.md\n └── 03-export.md\n```\n\n## 示例四：先例研究\n\n**输入**：查重，有没有类似代码审查的技能\n\n**执行**：\n```\n1. 确定意图 → 先例研究\n2. 提取关键词 → 代码审查、code review\n3. 本地搜索 → 扫描 ~/.codebuddy/skills/*/SKILL.md\n4. 远程搜索 → npx skills find \"code review\"\n5. 汇总结果 → 按相似度排序\n6. 输出建议 → 可复用/可合并/需新建\n```\n\n**输出**：\n```\n先例研究结果：\n| 来源 | 技能名 | 相似度 | 可复用部分 |\n|------|--------|--------|-----------|\n| 本地 | 代码审查 | 100% | 已存在 |\n| skills.sh | code-review-skill | 70% | 审查规则 |\n| 结论 | 已有代码审查技能，无需新建 |\n```\n\n## 示例五：评估门禁\n\n**输入**：门禁检查技能诊所\n\n**执行**：\n```\n1. 确定意图 → 评估门禁\n2. 读取技能文件 → SKILL.md + modules/\n3. 触发评估 → 结构完整、信号密度>80%、Token<300\n4. 发布门禁 → metadata.trigger存在、SKILL.md<200行、有示例、AVOID>=3\n5. 输出结果 → 通过/不通过\n```\n\n**输出**：\n```\n门禁检查结果：\n- 触发评估：✅ 通过\n- 发布门禁：✅ 通过\n- 建议：可发布到ClawHub\n```\n\n## 示例六：运维反馈\n\n**输入**：反馈，搬题姬URL抓取超时\n\n**执行**：\n```\n1. 确定意图 → 运维反馈\n2. 记录反馈 → 技能名、问题描述、类型\n3. 分析反馈 → 失败信号、高频问题\n4. 生成建议 → 修复超时问题、增加重试机制\n```\n\n**输出**：\n```\n反馈已记录：\n- 技能：搬题姬\n- 类型：failure\n- 问题：URL抓取超时\n- 建议：增加超时重试机制\n```"},{"path":"modules/01-diagnose.md","content":"# 模块一：诊断优化\n\n## 流程\n\n1. 询问体检目标（技能名或路径）\n2. 读取技能文件（SKILL.md + 相关文档）\n3. 检查 Gene 结构\n4. 检查触发配置\n5. 检查语言简练\n6. 计算评分\n7. 输出报告 + 改进建议\n8. 询问是否执行改进\n\n## Gene 结构检查\n\n| 部分 | 分值 | 标准 |\n|------|------|------|\n| Keywords | 8 | 3-5个精准关键词 |\n| Summary | 8 | 一句话概括 |\n| Strategy | 8 | 步骤清晰可执行 |\n| AVOID | 6 | ≥3条常见错误 |\n\n## 触发检查\n\n**关键**：metadata.trigger 必须存在，否则技能无法触发。\n\n## 语言简练检查（15分）\n\n| 得分 | 标准 |\n|------|------|\n| 15 | 极致简练，无废话，每句话有信息增量，Token≤200 |\n| 12 | 较简练，有少量冗余，Token≤300 |\n| 10 | 良好，Token≤500 |\n| 8 | 可接受，需精简，Token≤700 |\n| 5 | 过长，需重构，Token≤1000 |\n| 0 | 冗长，信号稀释，Token>1000 |\n\n**检测项**：\n- 是否用表格/列表代替段落\n- 是否有\"请\"、\"可以\"、\"能够\"等虚词\n- 是否有重复内容\n- 是否解释了显而易见的事\n\n## 内容检查\n\n| 维度 | 分值 | 标准 |\n|------|------|------|\n| 信号密度 | 10 | 关键信息突出 |\n| 可执行性 | 10 | 步骤可直接执行 |\n| 裁量空间 | 5 | Strategy 留判断余地，非机械执行 |\n\n### 裁量空间检查\n\n**问法**：\n- Strategy 是\"步骤自定\"还是\"必须走123\"？\n- 有无\"视情况\"、\"可酌情\"、\"若……则可\"等灵活措辞？\n- 技能是帮模型思考，还是替模型做决定？\n\n| 得分 | 表现 |\n|------|------|\n| 5 | 有裁量——给原则，留判断；步骤可调序、可取舍 |\n| 3 | 部分过细——整体可行但有若干写死之处 |\n| 0 | 无裁量——每一步写死，模型无发挥 |\n\n## 实践检查\n\n| 维度 | 分值 | 标准 |\n|------|------|------|\n| 渐进式披露 | 10 | SKILL.md < 200行 |\n| Human-in-the-Loop | 5 | 关键决策询问用户 |\n| CLI友好 | 5 | 输出适合终端 |\n\n## 负贡献\n\n| 问题 | 扣分方式 |\n|------|----------|\n| 无 metadata.trigger | 触发分记0分（不额外扣） |\n| SKILL.md > 300行 | 从实践分扣5分 |\n| 无示例 | 从实践分扣5分 |\n| 有明显错误 | 从总分扣5分 |\n| 冗余描述多 | 从语言简练分扣3分 |\n\n## AVOID\n\n- AVOID 只读SKILL.md就下结论\n- AVOID 只改SKILL.md不改其他文档\n- AVOID 给了分不给建议\n- AVOID 忽略metadata.trigger检查\n- AVOID 冗余描述、废话连篇\n- AVOID 忽略裁量空间检查"},{"path":"modules/02-create.md","content":"# 模块二：创建技能\n\n## 核心理念\n\n```\n技能 = 预定义上下文 + 执行规则 + 验证标准\n```\n\n## 流程\n\n1. 收集需求（名称、描述、触发场景、输入输出）\n2. 判断是否值得沉淀\n3. **先例研究**（读取 modules/03-precedent.md）\n4. 选择模板\n5. 创建文件\n6. 验证质量（读取 modules/05-gate.md）\n\n## 判断标准\n\n```\n✅ 值得沉淀：\n- 经常遇到\n- 流程明确\n- 可标准化\n\n❌ 不值得：\n- 一次性任务\n- 流程不明确\n```\n\n## 简单技能模板\n\n```markdown\n---\npriority: 500\nname: {技能名}\ndescription: \"{emoji} {描述} | 触发：xxx\"\nmetadata:\n version: \"1.0.0\"\n trigger: \"触发关键字\"\n---\n\n# {技能名}\n\n## Keywords\n关键词1、关键词2、关键词3\n\n## Summary\n一句话概括。\n\n## Strategy\n1. 步骤一\n2. 步骤二\n\n## Language\n- 极致简练\n- 用表格/列表代替段落\n- 每句话有信息增量\n\n## AVOID\n- AVOID 错误行为1\n- AVOID 错误行为2\n```\n\n## 复杂技能模板\n\n```markdown\n---\npriority: 800\nname: {技能名}\ndescription: \"{emoji} {描述} | 触发：xxx\"\nallowed-tools:\n - Read\n - Write\n\nmetadata:\n version: \"1.0.0\"\n trigger: \"触发关键字\"\n---\n\n# {技能名}\n\n## Keywords\n关键词1、关键词2、关键词3\n\n## Summary\n一句话概括。\n\n## Strategy\n1. 读取 modules/01-xxx.md\n2. 执行步骤\n3. 输出结果\n\n## Language\n- 极致简练\n- 用表格/列表代替段落\n- 每句话有信息增量\n\n## AVOID\n- AVOID 错误行为1\n- AVOID 错误行为2\n```\n\n## 命名原则\n\n| 好 | 差 |\n|------|------|\n| 搬题姬、墨池、雀影 | XXX工具、XXX助手 |\n| 破晓、格知 | 超长名字、英文混杂 |\n\n## 最佳实践\n\n1. Spec-Driven：先定义规格\n2. Context Compression：SKILL.md < 200行\n3. Tool Selection：明确 allowed-tools\n4. Verification-First：先定义验收标准\n\n## AVOID\n\n- AVOID 创建一次性任务为技能\n- AVOID 命名功能性、无辨识度\n- AVOID SKILL.md 过长不拆分\n- AVOID 无 metadata.trigger\n- AVOID 无示例\n- AVOID 冗余描述"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"🏥 技能诊所 | 诊断优化 + 创建技能 + 先例研究 + 评估门禁 + 运维反馈。触发：技能体检、技能诊断、创建技能、查重、门禁、反馈 Skill: 技能诊所 Owner: fslong520 Summary: 🏥 技能诊所 | 诊断优化 + 创建技能 + 先例研究 + 评估门禁 + 运维反馈。触发：技能体检、技能诊断、创建技能、查重、门禁、反馈 Tags: ai:3.0.0, clinic:3.0.0, diagnosis:3.0.0, diagnostic:3.0.0, evaluation:3.0.0, latest:3.0.0, optimization:3.0.0, quality:3.0.0, skill:3.0.0 Version history: v3.0.0 | 2026-08-23T03:45:57.002Z | user 大版本迭代: 诊断优化+创建技能+先例研究+评估门禁+运维反馈五大模块; Gene结构检查; metadata.trigger 触发词; 技能创建流程(先例研究→模板→门禁验证); 技能体检评分评级; 查重先例研究 v2","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":567,"uniquenessScore":58,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-10T22:36:44.348Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-10T22:36:44.348Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-11T01:47:08.458Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"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!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"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","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}