Skill 优化师
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_12d468e7/skill-sifter。
技能介绍
解决的问题
SKILL.md 往往把用途、指令、示例、Schema、错误处理混在一起,表面完整,却不一定能被 Agent 稳定执行。写作者难判断哪里冗余、哪里缺操作手册;评审者缺少统一记分卡,横向比较多个 Skill 时也容易靠印象打分。这个技能把“Skill 文档质量”拆成可检查的问题:frontmatter 是否说清调用边界、INSTRUCTION 占比是否足够、路径/变量/Schema 是否一致、错误处理是否可执行。
如何工作
它按四层递进分析:先做 定位分析,判断 user-invocable、allowed-tools、外部依赖和适用场景,形成一句定位;再做 结构审计,把文档拆为 META、PURPOSE、INSTRUCTION、SCHEMA、EXAMPLE、CODE、ERROR 等模块,检查内容分布与信息密度;接着进入 缺陷检测,从一致性、必要性、适配性三个维度扫描路径、变量、编号策略、受众语言和场景覆盖;最后生成 优化建议,按优先级输出补充操作手册、Schema 分层、代码外置、错误处理、统一约定等可执行动作。
适用边界
它适合新 Skill 评审、旧 Skill 诊断、多方案对比和发布前质量门禁。若 Skill 只依赖外部服务且接口未声明,评估会受限于资料完整性;对多文档体系,它会扫描 references/、scripts/,但仍以 SKILL.md 的自包含性为第一优先级。它不替代真实运行测试,评分结果应结合工具权限、模型行为和线上反馈校准。
使用场景
- 新 Skill 提交前,判断 `SKILL.md` 的 `frontmatter`、指令和示例是否达到可用标准。
- 线上 Agent 调用某 Skill 效果不稳定,诊断路径、变量和 `Schema` 不一致问题。
- 准备从多个候选 Skill 中选一个,按同一记分卡比较结构、必要性和适配性。
- 发布前做质量门禁,快速扫描 `references/`、`scripts/` 等辅助文档对主文档的支撑度。
适合人员
- AI Agent 工程团队:要在新 Skill 入库前做统一质量门禁和评审记录。
- Skill 作者:要定位文档里冗余、缺失操作手册和错误处理不清的问题。
- 平台或工具链维护者:要比较多个 Skill 方案并给出可执行重构建议。
- 内部技术评审者:要把 `SKILL.md` 评分标准从印象判断变成结构化记分卡。