name: skills-monitor displayName: Skills Monitor — AI Skills 監控評估平臺 slug: skills-monitor description: AI Skills 一站式監控評估平臺 — 7因子評估引擎、跨模型基準評測、中心化 Dashboard、智慧推薦 version: 0.7.0 author: MerkyorLynn license: GPL-3.0 tags: [monitoring, benchmark, evaluation, agent, skills, dashboard, diagnostic, recommendation] categories: [Development, Monitoring, Testing, Productivity] icon: 🩺
🎯 對 AI Skills 進行採集、評估、對比、推薦、診斷、上報的一站式監控系統
對每個 Skill 從 成功率、延遲、質量、成本、穩定性、社群熱度、相容性 七個維度進行量化評分,輸出 0-100 綜合得分。
內建 1000 個熱門 Skills 在 6 大主流模型上的完整評測資料:
- Claude Opus 4.6 / GPT-5.4 / Gemini 3.0 Pro
- GLM-5 / MiniMax 2.5 / DeepSeek 3.2
- 支援 mock (零成本模擬) 和 live (真實 API 呼叫) 兩種模式
- 按 Skill × Model 精確返回差異化基準分數
通過 SkillsHUB 一鍵安裝:
# 方式一:SkillsHUB CLI
skills install skills-monitor
# 方式二:手動安裝
python install_skills.py skills-monitor
# 初始化身份(生成 Agent ID + API Key)
skills-monitor init
# 檢視身份資訊
skills-monitor identity --show-key
# 檢視系統狀態
skills-monitor status
# 列出已安裝 Skills
skills-monitor list
# 執行單個 Skill 並採集資料
skills-monitor run <skill-slug> [task]
# 7因子綜合評估
skills-monitor evaluate --skill <slug>
skills-monitor evaluate # 評估所有 Skills
# 基準評測
skills-monitor benchmark <slug> --runs 20
# 查詢大模型基準分數
skills-monitor baseline <slug> --model claude-opus-4.6
# 對比分析
skills-monitor compare <slug>
# 智慧推薦
skills-monitor recommend
# 生成綜合日報
skills-monitor report
# 生成診斷報告(含推送)
skills-monitor diagnose --send
# 上報資料到中心化伺服器
skills-monitor upload --server https://your-server.com --register
# 本地 Web 面板
skills-monitor web --port 5050
# 中心化伺服器(含 API + 微信回撥 + PWA)
skills-monitor server --port 5100
from skills_monitor import (
SkillEvaluator,
SkillRecommender,
DiagnosticReporter,
BatchBenchmark,
ReportGenerator,
DataUploader,
)
# 7因子評估
evaluator = SkillEvaluator(store, agent_id)
score = evaluator.evaluate_skill("your-skill-slug")
# 跨模型基準評測
bench = BatchBenchmark(mode="mock")
baseline = bench.get_baseline_for_skill("your-skill-slug", "claude-opus-4.6")
# 智慧推薦
recommender = SkillRecommender(registry, store, agent_id)
recs = recommender.get_all_recommendations(max_per_type=5)
# 診斷報告
diag = DiagnosticReporter(store=store, registry=registry, agent_id=agent_id)
content, filepath = diag.generate_and_save(trigger="manual")
# 資料上報
uploader = DataUploader("https://your-server.com")
uploader.init(agent_id, api_key)
uploader.upload_daily()
| 命令 | 說明 |
|---|---|
init |
初始化身份(生成 Agent ID + API Key) |
identity |
檢視身份資訊 |
status |
檢視系統狀態 |
list |
列出已安裝 Skills |
evaluate |
7因子綜合評估 |
benchmark |
基準評測執行 |
baseline |
查詢大模型基準分數 |
compare |
對比分析 |
recommend |
智慧推薦 |
report |
生成綜合日報 |
diagnose |
生成診斷報告(含推送) |
upload |
資料上報到中心化伺服器 |
dashboard |
啟動 Web 面板 |
server |
啟動中心化伺服器 |
skills-monitor/
├── skills_monitor/ # 核心 Python 包
│ ├── core/ # 核心邏輯層
│ │ ├── identity.py # 身份管理
│ │ ├── evaluator.py # 7因子評估引擎
│ │ ├── benchmark.py # 基準執行器
│ │ ├── recommender.py # 推薦引擎
│ │ ├── diagnostic.py # 診斷報告
│ │ ├── reporter.py # 報告生成器
│ │ ├── uploader.py # 資料上報
│ │ ├── llm_baseline.py # LLM 基準評測
│ │ └── ... # 更多模組
│ ├── adapters/ # 介面卡層
│ │ ├── skill_registry.py # Skill 註冊發現
│ │ ├── clawhub_client.py # ClawHub 社群
│ │ └── runners.py # 執行介面卡
│ └── data/ # 資料層
│ ├── store.py # SQLite 儲存
│ ├── gdpr_manager.py # GDPR 合規
│ └── top1000_skills_dataset.json
├── server/ # 中心化伺服器
├── miniprogram/ # 微信小程式
├── main.py # Skill 入口
├── skill.json # Skill 配置
└── requirements.txt # 依賴清單
7w4.net收錄了海量優質技能外掛。
GPL-3.0
MerkyorLynn — GitHub
這個 Skill 功能很全面,能評估 Skill 質量、推薦合適工具、生成診斷報告,還有視覺化面板。不過功能多也意味著配置較複雜,部分功能依賴外部服務可能不穩定。對於普通使用者來說,如果只是簡單監控 Skills 基本夠用,但要發揮全部能力需要一定學習成本。整體質量中上,適合有一定技術基礎的使用者使用。