SKILL審查

name: skill-check description: 審查和最佳化現有技能（Skill）結構質量。當用戶請求「最佳化技能」「審查技能」或需要檢查技能規範性時觸發。

SKILL 技能審查器

分析技能目錄結構，識別改進點，輸出最佳化建議和執行方案。

小蔥技能有更好的技能skills外掛。

專注於靜態審查：分析 SKILL 目錄結構和邏輯完整性。

技能工作流

呼叫 todo_write 工具建立待辦任務：

結構分析 → 問題識別 → 邏輯審查 → 輸出報告

審查維度

結構性維度（指令碼檢測）

邏輯性維度（LLM 分析）

Agent 相容性維度（指令碼 + LLM 分析）

工作流展示模板

## 技能工作流

呼叫 `todo_write` 工具建立待辦任務：

步驟1 → 步驟2 → 步驟3 → 步驟4 → 步驟5

### 步驟1

步驟1詳解

### 步驟2

步驟2詳解

……

執行流程

輸入校驗： - 引數 <skill-dir> 必須為有效目錄路徑 - 目錄必須包含 SKILL.md 檔案

自我迭代模式： - 執行 python3 scripts/review-loop.py <skill-dir> 迴圈審查-修復直到無問題 - 自動檢測結構性問題並修復，支援 --max-iterations 限制迭代次數

異常處理： - 指令碼執行失敗（退出碼非零）→ 跳過結構檢查，LLM 手動分析 - SKILL.md 不存在 → 輸出 P0 問題，終止審查 - manifest.json 不存在 → 輸出 P1 問題，繼續審查

完成標準： - 所有 P0 問題已識別並給出建議 - 所有 P1 問題已識別並給出建議 - 輸出可執行的最佳化方案

自由度匹配原則

指令碼化訊號（詳見 references/structure-patterns.md#指令碼化方案）： - 相同程式碼反覆寫 - LLM 多次推理相同邏輯 - 操作步驟固定、易出錯 - 需要高可靠性

目錄結構規範

skill-name/
├── manifest.json    # 可選：技能後設資料（name、description、normalizedName、category）
├── SKILL.md         # 必需：核心工作流（< 500 行）
├── scripts/         # 可選：可執行指令碼（確定性操作）
├── references/      # 可選：參考文件（按需載入）
└── assets/          # 可選：資原始檔（輸出中使用）

審查報告模板

# 技能審查報告：{skill-name}

## 結構概覽

| 目錄/檔案 | 狀態 | 說明 |
|-----------|------|------|
| manifest.json | ✅/⚠️/❌ | 後設資料完整性 |
| SKILL.md | ✅/⚠️/❌ | {行數} 行 |
| scripts/ | ✅/❌ | {指令碼數量} 個 |
| references/ | ✅/❌ | {文件數量} 個 |
| assets/ | ✅/❌ | {資源數量} 個 |

## 章節結構

| 章節 | 行數 | 狀態 |
|------|------|------|
| {章節名} | {行數} | ✅/⚠️ |

## 問題清單

| 優先順序 | 問題 | 建議 |
|--------|------|------|
| P0 | {問題描述} | {最佳化建議} |

## 最佳化方案

{具體執行步驟，可直接應用}

常見最佳化模式

邏輯問題修正

禁止事項

• ❌ 刪除 SKILL.md 核心工作流
• ❌ 將指令碼移出 scripts/ 目錄
• ❌ 破壞現有指令碼的執行能力
• ❌ 修改 frontmatter 中的 name 欄位（必須與目錄名一致）

參考資料

• 結構最佳化模式 → references/structure-patterns.md

這個技能能幫你檢查和管理其他技能的質量，自動找出問題並給出修復方案，還能生成視覺化的儀表板。做得好的地方是安全意識強——修復前會自動備份、出問題了能回滾，不會亂動非自建的技能。但它的自動修復能力比較有限，很多問題只能檢測出來沒法自動修；而且功能比較複雜，剛上手需要花時間理解。總體適合願意折騰、對技能質量有要求的使用者，但如果你想要省心省力的全自動化管理，可能會失望。