name: skill-assistant description: >- skill-assistant 是 Agent Skill 全生命週期管理助手——發現、推薦、安裝、建立、質檢、 診斷最佳化一站式完成。當用戶提到任何 skill 技能市場（skills.sh / SkillHub / ClawHub / SkillsMP / GitHub skill 倉庫），想要找 / 搜尋 / 安裝 / 建立 / 更新一個 skill，問"有沒有 skill 能做 xxx"，想要診斷 / 最佳化 / 審查 / 體檢 / 評分 / 改進 一個已有 skill，想跑靜態 / 動態 / 混合 / 盲評測試，想最佳化 skill description 提升觸發率，或想掃描所有已安裝 skill 出最佳化優先順序排行榜時，必須使用本 skill。 英文觸發詞同樣適用：find / search / install / create / update / diagnose / optimize / inspect / audit / score / evaluate skill。 不要用於：通用包管理（npm / pip / brew）、IDE 外掛/擴充套件的搜尋與安裝。 compatibility: Requires Python 3.8+, optional Node.js for HTML reports. No mandatory network access for core flows. allowed-tools: Bash(python3:) Bash(node:) Bash(curl:) Bash(gh:) Bash(git:*) Read Write Glob Grep WebFetch metadata: version: "2.1.0" last-updated: "2026-05-09" category: meta-skill tags: [skill, lifecycle, search, install, create, quality, diagnose, security, eval, meta-skill]

Skill 助手

搜尋 · 推薦 · 安裝 · 建立 · 質檢 · 診斷 — Agent Skill 全生命週期一站式管理。

┌─────────┐     ┌──────────────┐     ┌──────────────────────┐
│ 使用者意圖 │ ──→ │ ⛔ 前置檢查   │ ──→ │ 意圖路由（6 模組）    │
└─────────┘     │ 首次使用引導  │     │ 搜尋/推薦/安裝/建立    │
                └──────────────┘     │ 質檢/診斷             │
                                     └──────────────────────┘
       ┌─ config/sources.yaml (偏好 + 憑證)
       ├─ references/ (按需載入，含 best practices 全量參考)
       └─ scripts/ (CPU 密集 + workspace/manifest 原子寫)

典型互動

使用者：幫我找一個生成 PPT 的 skill → 前置檢查 → 4 級關鍵詞 → 多渠道寬窄並行搜尋 → 跨源去重 + 推薦指數 → 編號選單 → 三引擎安全掃描 → 完成

使用者：審查這個 skill 是否符合 best practices → 路由到質檢（[6.5] best_practices_only）→ 30 項 checklist 自動過 → 輸出 ✅/❌ + 必修項 Top 3

使用者：推薦適合我的 skill → 掃描已安裝 + 專案特徵 → 使用者畫像 → 能力缺口 → 個性化推薦 2-5 條

不在範圍內

• 非 Agent Skill 的通用包管理（npm / pip / brew 等）
• IDE 外掛/擴充套件的搜尋與安裝
• 已安裝 Skill 的程式碼級修改（診斷模組只交付建議和重構後的檔案，不自動覆蓋原檔案）

⛔ 前置檢查（任何操作前必須執行，不可跳過）

讀取本 Skill 後，在執行任何使用者意圖之前，嚴格按以下順序完成前置檢查。跳過任何步驟 = 流程錯誤。

⚠️ 跳過前置檢查是最常見的執行錯誤。直接搜尋/安裝將因缺少 API Token、未選擇搜尋源等問題導致失敗，浪費使用者時間。

步驟 0：配置自愈 / 遷移檢測（每日一次）

掃描並清理廢棄 / 需遷移的配置，讓從舊版本升級的使用者環境自動收斂到當前規範。按日期節流，避免每次使用都重複掃描。

0.1 是否需要本次檢測（讀 config/sources.yaml 的 preferences.maintenance.last_check_date）：

檢測固定每日一次，無頻率/開關選項。按 last_check_date 判斷： - 為空 "" / 欄位缺失 / maintenance 塊缺失 → 視為從未檢測，強制執行（塊或欄位缺失時順帶補全 maintenance: { last_check_date: ... }） - 不是今天 → 執行 - 已是今天 → 跳過，直接進入步驟 1

0.2 執行檢測清單（命中即用 Read→StrReplace 精準刪除並寫回，保持 YAML 縮排合法；冪等——無殘留則跳過該條）：

擴充套件點：未來新增「廢棄欄位下線」「配置項改名遷移」等自愈需求時，在本表追加一行即可，節流與執行邏輯複用本步驟，無需改動其他流程。

0.3 收尾：本次有實際清理 → 用一行告知使用者（如「已清理廢棄的 Knot 渠道配置」）；無論是否有清理，只要執行了檢測就把 preferences.maintenance.last_check_date 更新為今天（ISO YYYY-MM-DD）。嚴禁因檢測/清理失敗而阻斷使用者原始意圖——這是盡力而為的自愈，失敗則靜默跳過並繼續步驟 1。

步驟 1：首次使用攔截

立即讀取 config/sources.yaml 的 preferences.setup_completed 欄位：

• false 或不存在 → 停止。不執行任何後續操作。 轉入 modules/setup.md 完成 4 步引導，完成後回到步驟 2
• true → 繼續步驟 2

步驟 2：意圖路由

根據使用者輸入分流到對應模組，嚴禁跳模組混合執行。

診斷/最佳化前置策略確認（⚠️ 強制，不可跳過）： 使用者意圖命中「診斷 / 最佳化 / 重構 / 改進 / 幫我看看這個 skill / 這個 skill 有什麼問題」等任何最佳化類意圖時，若使用者未在原始輸入中明確指定策略（如未說"直接修復"/"走棘輪"/"static"/"dynamic"/"hybrid"），第一步必須向用戶展示策略選擇：

您希望如何最佳化這個 Skill？

  [1] 直接修復已知問題（快速，適合明確問題清單）
  [2] 棘輪迭代流程（評測 → 診斷 → 修復 → 重新評測，適合全面提升）
      └ 評測模式：[2a] 靜態  [2b] 動態  [2c] 混合  [2d] 盲評混合

請選擇後繼續。

收到使用者明確選擇後，再路由到對應模組執行。"幫我最佳化"、"幫我看看"等模糊表達絕不視為已指定策略。

模糊意圖兜底：使用者說「幫我看看這個 skill」/「這個 skill 怎麼樣」/「有沒有 skill 可以做 xxx」等模糊表達時： - 含 skill 檔案路徑/名稱 → 路由到質檢，先展示策略選擇選單 - 含功能描述無路徑 → 路由到搜尋（以功能描述為關鍵詞） - 完全模糊無上下文 → 詢問使用者：「您是想搜尋一個 skill，還是檢查/最佳化某個已有的 skill？」

複合意圖處理：使用者同時提到搜尋+安裝（"幫我找一個 xxx skill 並裝上"），按順序執行搜尋 → 使用者確認 → 安裝。

提案式互動：每次搜尋/推薦結果後，必須附帶編號式下一步選單（安裝/詳情/收藏/重搜）。

關鍵引數契約速查（詳細定義見各 modules/*.md）：

Workspace 路徑解析（W.0 強制規則）：建任何評測產物前必讀 references/workspace-layout.md + 調 python3 scripts/resolve_workspace.py --skill <skill_path>，不得手拼路徑（manifest_io 寫入時會拒絕非 skill-assistant-workspace/ 下的路徑）。

核心原則

安全第一

• 所有來源不明的 Skill 安裝前必須經過三引擎安全掃描（指令碼硬掃描 + skills.sh 三方審計 + AI 軟判斷）
• 渠道信任等級 → 審查深度對映：

• CRITICAL 風險（如發現 curl | bash、硬編碼金鑰、讀 MEMORY.md）→ 立即中止，不詢問使用者；HIGH 風險 → 展示詳情由使用者決定
• 檢查訪問 MEMORY.md、USER.md、SOUL.md、IDENTITY.md 等 AI Agent 敏感檔案的行為
• Enterprise 級 7 類風險指標 + 8 步審查清單見 references/anthropic-best-practices.md §Enterprise 級風險矩陣

渠道可配置

源分為平臺型技能市場和GitHub 優質倉庫兩大類，通過 config/sources.yaml 統一配置。

質量驅動

• 搜尋關鍵詞遵循三原則：簡單核心詞優先 / 先粗後細 / 多意圖拆分
• 跨平臺質量歸一化：將各平臺不同維度的指標對映為統一推薦指數
• 跨源去重比較：同一 Skill 出現在多個源時合併展示，功能相似的給出 A/B/融合建議
• 搜尋結果必須經過名稱驗證 + 質量評估才能推薦
• 質檢模組提供 10 維度 70+ 檢查項量化評分（A-F 五級）+ D10 實測可驗證性附加維度
• 建立 / 質檢 / 診斷三個模組共享 references/anthropic-best-practices.md 作為事實來源
• 診斷模組基於"Prompt 效能模型"進行三維分析（指令 40% / 約束 30% / 冗餘 30%）

漸進式披露（按需載入架構）

• 本檔案只做路由和原則宣告
• 每個模組的詳細工作流在對應的 modules/*.md 中
• 搜尋模組核心流程（modules/search.md），固定規則拆到 references/ 按需載入
• sources.yaml 選擇性讀取：搜尋時只讀 preferences: + settings: 段（~70 行）
• 模板、規則庫等低頻參考在 references/ 中
• 自動化邏輯在 scripts/ 中

靜默執行 + 冪等性

• 搜尋/安裝命令由 Agent 直接執行，不向使用者展示原始命令；用編號式選單和自然語言提案代替命令列展示
• 除 maintenance.last_check_date 寫入與命中殘留/遺留欄位時的清理外，所有讀操作冪等
• 搜尋、質檢、診斷報告階段均為只讀操作
• 安裝操作通過 --force 引數控制覆蓋行為，預設檢測已安裝不重複安裝

常見錯誤（NEVER）— 核心 5 條

完整 50+ 條 NEVER 清單按模組分組在 references/anti-patterns.md。本節只保留最致命的 5 條——違反這 5 條會直接破壞整個評測/搜尋流程。

• NEVER 跳過前置檢查直接搜尋/安裝 — API Token 未載入會導致全部需認證渠道失敗
• NEVER 跳過 eval_mode 確認直接開始評審或最佳化 — inspect/diagnose 都適用："幫我看看"絕不視為已指定策略；使用者未明確選 eval_mode 時必須展示選單
• NEVER 憑直覺拼 workspace 路徑 — workspace 容器名固定 skill-assistant-workspace/，必須調 scripts/resolve_workspace.py 解析；27 個產物檔案曾因手拼路徑被迫遷移
• NEVER 用列表/卡片/段落替代搜尋的 Top N 表格 — markdown 表格是搜尋透明度主線，違反觸發 🚨 阻斷級 LAYOUT_NON_TABLE
• NEVER 評測完成後不落盤 detailed-report.html — 任何 eval_mode 都必須通過 scripts/generate-full-report.mjs 落盤；Step 6 菜單隻控制是否開啟瀏覽器，不控制是否生成

⚠️ 進入對應模組（search / install / inspect / diagnose）時必須讀對應模組章節的 anti-patterns.md：包括搜尋關鍵詞與渠道並行、子 Agent 與 dry_run 評測（grading.json schema 等）、time-budget / 效能控制、盲評 Comparator 隔離等。

模組概覽

引導模組 — modules/setup.md

首次使用引導（setup_completed: false 時強制觸發）：搜尋源選擇（ClawHub/SkillHub 二選一，支援自定義倉庫）→ 環境檢查 + API Key 持久化 → 搜尋策略（speed/balanced/thorough）→ 配置寫入 sources.yaml。說"重新配置搜尋偏好"可隨時重進。

搜尋模組 — modules/search.md

寬窄雙路 × 多路並行（寬路 30 + 窄路 10）；多平臺（skills.sh / SkillsMP / SkillHub）+ 優質倉庫（gh）+ 全 GitHub；跨源去重 + 融合推薦；質量歸一化（熱度 40% + 權威 35% + 鮮度 25%）→ 統一推薦指數；搜尋透明化（診斷頭 + 11 條異常檢測 + 5 個 refine 分支）。

推薦模組 — modules/recommend.md

多訊號使用者畫像（已安裝 Skill + 工作區特徵 + README）→ 角色快查表 → 識別能力缺口 → 個性化推薦（業務價值優先，明確標註互補/增強/延伸關係）。含收藏/Star 管理系統。

安裝模組 — modules/install.md

統一安裝入口（install_skill.sh v2，禁止 npx skills add）+ 三引擎安全審查（13 項硬掃描 / skills.sh audit / AI 軟判斷）+ _skill_meta.json 版本追蹤。支援單/批次更新。

建立模組 — modules/create.md

Skill 建立全流程：模板啟動 / Eval 驅動兩條路徑 → frontmatter 完整欄位引導（含 license / compatibility / allowed-tools）→ description 三件事原則（WHAT + WHEN + Negative Boundaries）→ 5 個核心 pattern（Checklist / Validation Loop / Plan-Validate-Execute / Conditional Loading / Gotchas）→ Eval 驅動開發 + Claude A/B 模式 → 與 inspect/diagnose 閉環迭代。詳見 references/anthropic-best-practices.md。

質檢模組 — modules/inspect.md

10 維度評分（D0-D9，對齊 OWASP LLM Top 10）+ D10 實測可驗證性（附加）；eval_mode 五選一（preview / static / dynamic / hybrid / blind_hybrid）；mode=batch_baseline 全量掃描輸出優先順序排行榜；新增 [6.5] best_practices_only 入口跑 30 項 skill-md-checklist.md；輸出 A-F 評分 + 改進建議 + 子 Agent 雙跑實證。

診斷模組 — modules/diagnose.md

三維診斷（指令 40% / 約束 30% / 冗餘 30%）→ Step 0-6 互動流程 → Step 4 棘輪迭代（獨立子 Agent 評分 / git revert 防退步 / 體積守門 ≤ 1.5×）。Step 4.6 description 加速器（子 Agent 模擬 / CLI 保真雙路徑，60/40 split + 5 輪選優）；三角色子 Agent（Grader / Comparator / Analyzer）；產物落獨立 workspace（manifest.yaml 管理）。

降級規則

詳細 9 條單源降級 + L1/L2/L3 三層兜底鏈全文在 references/fallback-rules.md。本節只宣告核心原則。

三層兜底鏈

降級透明度強制約束

任何 L1/L2/L3 降級必須在輸出中顯式提示 ——不允許靜默 fallback。降級路徑寫入診斷頭的「環境/異常」段，讓使用者能定位偏差來源（違反觸發 🚨 阻斷級 SILENT_FALLBACK，重跑前必須修復）。

參考資料

🌟 Best Practices 三件套（建立/質檢/診斷共同事實來源）

• anthropic-best-practices.md — Anthropic 官方 + 社群 5 篇精華彙總（三層載入 / Frontmatter 完整欄位 / Description 三件事 / 5 個 pattern / Eval-driven dev / Enterprise 風險矩陣）
• skill-md-checklist.md — 30 項自檢清單（5 分鐘可過完，對應 D0-D10）
• anti-patterns.md — 50+ 條 NEVER 清單按模組分組（含搜尋召回、子 Agent dry_run、報告生成等真實事故）

模組工作流參考

• 渠道詳情：references/channels.md
• 安全規則（三引擎）：references/security-rules.md
• 搜尋詞模板：references/search-templates.md
• 推薦策略模板：references/recommend-templates.md
• 質檢維度詳情：references/quality-dimensions.md（含新增 D1.9 ~ D1.13 / D7.7 ~ D7.8）
• 診斷校準參考：references/diagnosis-calibration.md
• 建立改造清單：references/create-best-practices.md
• 評分歸一化對映表：references/scoring-rules.md
• 渠道搜尋命令模板：references/channel-search-commands.md
• 搜尋輸出模板：references/output-templates.md
• 搜尋透明度規範：references/search-transparency.md
• 搜尋 Refine 規則：references/refine-search.md

  更多技能請訪問小蔥技能站7w4.net。

• 降級規則全集：references/fallback-rules.md
• 成果卡片生成：references/result-card.md

評測產物 / 報告模板

• 單輪摘要報告（diagnose Step 4.1.6.5 自動生成 iter-summary.html 時載入）：references/iteration-report.md
• 完整詳細報告（diagnose Step 6 生成 detailed-report.html 時載入）：references/full-report.md
• 卡片模板：templates/result-card.html
• 卡片渲染指令碼：scripts/render-card.mjs
• Description 量化加速器（融合 skill-creator）：references/description-optimizer.md
• 自動 Judgement 生成器（diagnose Step 0 / inspect D.0 自動生成測試集時載入）：references/auto-judgement-generator.md
• test-prompts 設計與確認共用模組（inspect D.0.1 / diagnose Step 0.1 必載入）：references/test-prompts-design.md
• 時間預算控制（inspect D.0.3 / diagnose Step 4.0 必載入）：references/time-budget.md
• 子 Agent 呼叫協議（inspect D.1 / diagnose 4.1.4 / agents/* 共同遵循）：references/sub-agent-protocol.md
• manifest 原子讀寫 helper（強約束）：scripts/manifest_io.py
• 金標資料集（batch_baseline 掃描 / detector 迴歸時載入）：tests/golden-dataset/（位於 workspace 根，不在 skill 目錄內）
• Detector 迴歸基線指令碼：tests/run_golden_baseline.py（位於 workspace 根）

配置與外部

• 渠道配置：config/sources.yaml
• 瀏覽所有 skills：https://skills.sh

這是一款功能強大的 AI 技能管家，能幫你搜索、安裝、檢查和最佳化各類 Skill。優點是功能全面、搜尋渠道多、安全檢查嚴格、質量評估專業。缺點是操作流程較複雜，新手需要花時間熟悉各種設定。對於追求 Skill 質量的進階使用者很有價值，但普通使用者可能覺得有點複雜。