技能医生

背景：Skill 文档难以及时「验货」

在 Cursor、Claude 等环境里，Agent Skill 往往靠一段 SKILL.md 驱动行为。常见问题不是「写得长不长」，而是：触发条件含糊导致误触发、边界输入没有降级策略、优化时通过删约束或减功能来凑分数。缺少可复现的评估与证据链，团队很难判断一份 Skill 是否能在真实对话里稳定工作。

它如何工作

Skill Doctor 把改进 Skill 拆成三阶段，并在各阶段之间设置确认门：

• Phase 1 评估：先做非空、格式、注入检测与长度截断（超长取前 500 行并标注）；解析 frontmatter、流程结构、输出定义与示例覆盖；生成 8 个用例（正常路径 ×3、边界/异常 ×3、对抗性 ×2），在心智模型中模拟执行；再按 七维标准 打分，每个分数必须附原文 evidence。
• Phase 2 诊断：聚焦得分低于 7.0 的维度，定位到具体段落，并归类为冗余、脆弱、模糊、缺失或冲突等问题类型，输出诊断清单。
• Phase 3 优化（RSI）：在最多 10 步 内生成精准/重组/重写等变体；每步变体必须通过 功能完整性、Token 稀释、测试过拟合、约束删除 四项反作弊检查，再与基线做分数对比；连续 3 步无提升则收敛，并给出优化后全文、对比表与残留风险。

不确定的评估实践可引用 skill-evaluation-practice 与 references/ 下的评分细则、裁判提示与补丁策略。

适用边界

• 模拟执行不是真实跑脚本；若 Skill 强依赖 scripts/ 或外部 API，报告只能反映「文档与上下文是否自洽」，不能替代联调。
• 非标准 Markdown 会走简化评估，部分维度可能标注未评估。
• 优化变体禁止删除原始 Skill 的核心能力；检测到注入类句式（如要求忽略指令、一律满分）会直接拒绝执行。