Skill 智能推荐

要解决什么问题

Agent Skills 生态里技能数量不少，但很多人并不清楚哪些 skill 和自己的日常任务真正相关。职位名、泛化描述和真实技术栈之间往往有落差；单靠「我是产品经理」「我做运营」也很难映射到生态里以英文任务关键词为主的检索结果。

它怎么工作

本 skill 用两种方式（可组合）建立工作画像，再在目录与 GitHub 上实际搜索，并对候选结果做质量校验，而不是凭印象罗列名字。

输入与画像

• 自然语言：从用户描述里提取角色、领域与典型任务。
• Git 仓库路径：通过 scripts/analyze_git.py 分析提交历史（文件类型、目录、提交信息关键词等），不读取完整源码、不上传仓库；多仓库会合并统计。
• 信息过粗时只会追问一道多选题；用户拒绝补充则生成低置信度画像，推荐控制在 1～3 个并标明偏通用。

搜索与校验

• 按「从任务推关键词、英文优先、语义分组」生成 4～6 组检索词，参考 references/skill-categories.md 但不局限于表内职业。
• 在 skills.sh 与（环境允许时的）GitHub 上搜索，合并去重；安装前会尽量用 npx skills ls -g 过滤已安装项。
• 每个候选需过安装量/star、来源可信度、与需求匹配度；低安装量或名称歧义时会拉详情页核对，不过关的不给安装命令。

适用边界

• npx、skills CLI 或 gh 不可用时流程会降级（例如仅 GitHub、或只输出画像与建议关键词），不会卡死。
• 某方向生态里没有成熟 skill 时会明确说明空白，不会硬凑推荐数量。