Agent Skills
返回列表
SkillHub TRACE 标准优化与上架评测

SkillHub TRACE 标准优化与上架评测

AI Agent 更新于 2026.08.29

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_cae83fba/skillhub-standard-optimization-sl。

技能介绍

要解决的问题

Skill 上架前常见的问题不是文件能不能打开，而是质量判断缺少依据：SKILL.md 是否说清楚能力边界，元数据是否一致，示例是否覆盖边界，结论是否能追溯，输出是否能直接用于业务。若只靠人工读一遍，容易出现标准不一、证据不足、整改优先级不清的情况。

如何工作

该技能按 TRACE 五维度 对技能包进行评测，并输出 评分、扣分依据、阻断项和上架建议：

  • 评分：覆盖 Trust、Reliability、Adaptability、Conversion、Effectiveness，每项 20 分；
  • 检查：读取 SKILL.md、AGENTS.md、README.md、package.json、示例、模板、参考文件与脚本；
  • 改造：优先修复定位不清、元数据缺失、流程口号化、模板不稳、样例不足；
  • 交付：可生成健康检查脚本、验证报告和上架展示文案。

对由研究资料或 PRD 沉淀而来的技能，还会追加 Depth 源材料继承 检查，要求说明 source-map.md、理论转译、话术库、案例库和测试覆盖，避免把“可上传”误判为“可专业使用”。

适用边界

该技能适合做技能包质量评测、上架判断和结构整改，不适合普通文案润色、翻译、摘要，也不能在缺少评测对象或证据时编造来源、案例和测试结果。涉及违规、隐私、侵权或高风险误导时，应标为阻断项并拒绝生成不安全内容。

使用场景

  • 自研技能包准备提交 SkillHub 评审前，需要按 TRACE 打分并列出阻断项。
  • 发现技能包只有概念说明，需检查核心文件、示例与模板是否完整。
  • 改造低分技能时，需要生成优先级、修复动作和验收标准，而不只是重写文案。
  • 正式上架前，需要准备评测运行日志样例和改造前后案例来证明过程可复核。

适合人员

  • 准备把研究资料或 PRD 沉淀成 Skill 的 AI 工程负责人，需要判断它是否可专业使用。
  • 负责技能包上架材料的 SkillHub 运营或产品，需要生成评分表、阻断项和展示文案。
  • 维护 Agent 技能目录的工程师，需要检查元数据一致性、示例覆盖和自动健康检查。
  • 从咨询经验沉淀行业 Playbook 的团队负责人，需要补齐话术库、案例库和源材料继承证据。