TRACE 质量评测助手

要解决的具体问题

当一个 AI Skill 只有 SKILL.md 或目录结构时，很难判断它是否安全、稳定、适合目标场景。开发者常面临几个实际问题：上架前不知道审核会关注什么；同类 Skill 之间缺少可比的量化口径；企业选型时容易把“能跑”误当成“可用”；已发布 Skill 也缺少定期复盘的检查清单。

核心能力与工作方式

该技能不是普通写作助手，而是一个 Meta-Skill：它把其他 Skill 的描述文件当作输入，依据 SkillHub 官方 TRACE 评测体系（2026 年 5 月联合腾讯科技与腾讯玄武实验室发布）进行系统评估。使用方式很直接：将完整 SKILL.md 或目录结构提供给它，即可获得 TRACE 质量评测报告。

报告包含四部分：

• 综合评分：0–500 分，对应 S/A/B/C/D 五级。
• 五维雷达图：T/R/A/C/E 各维度得分与等级。
• 逐维度详细评估：列出得分依据、具体问题、改进建议。
• 改进优先级排序：从 P0 到 P2，先处理关键短板，再考虑锦上添花。

TRACE 五个维度分别是：T — Trust 关注权限声明、最小权限、敏感信息、国内可用性和中文支持；R — Reliability 关注错误处理、边界输入、结果一致性、依赖声明；A — Adaptability 关注场景匹配、触发条件、能力边界、输入输出规范；C — Convention 关注渐进式披露、文档结构、限制说明、示例充分性；E — Effectiveness 关注结果正确性、输出完整性、可直接使用性、对比模型原生能力的增量价值。每个维度满分 100，并设有明确扣分项。

适用场景与边界

适合上架前自检、竞品分析、采购选型、已发布 Skill 质量复盘和编辑推荐候选评估。

需要注意：评测基于 SKILL.md 内容，不能判断未提供代码实现的运行质量；评分包含主观判断；TRACE 标准会持续演进；高分不等于必然通过上架审核；可一次评测多个 Skill，但每个 Skill 需单独提供输入。