专业的 SKILL.md 质量审计工具，提供结构化评分框架、缺陷检查清单与改进建议，帮助开发者评估技能可用性
说明：
## Skill Reviewer 综合评估
### 核心用法
`skill-reviewer` 是一款面向 AI Agent 技能文件的系统性审计工具，设计用于在技能发布前或评估他人技能时执行质量检查。其核心工作流分为五个步骤：结构检查（验证 YAML frontmatter 完整性）、frontmatter 质量审计（description 与 metadata 评分）、内容质量评估（示例密度与质量）、可操作性检验（指令是否可被 Agent 执行）、以及 Tips 章节审查。工具内置完整的评分卡系统，总分为 53 分，45+ 视为发布就绪，35-44 为良好需微调，25-34 存在显著缺陷，低于 25 需重写。
### 显著优点
1. **审计体系专业严谨**：提供 11 项结构检查、8 分 description 评分、10 分可操作性评分等量化指标，将主观质量判断转化为客观数据
2. **缺陷分类清晰**：将问题划分为 Critical（阻止发布）、Major（建议修复）、Minor（优化建议）三级，并给出具体检测方法与修复方案
3. **实战导向**：强调 “按任务/场景组织” 而非 “按概念组织”，要求示例具备可复制性（copy-pasteable），避免抽象理论堆砌
4. **跨平台意识**：明确要求标注 macOS/BSD 与 GNU 工具差异、Windows 兼容性、工具版本假设等实际部署细节
5. **模板化输出**：提供 Quick Review Template 和完整 Scorecard 两种模式，适应不同深度需求
### 潜在局限
1. **执行门槛较高**：要求审查者具备目标技术领域的实操经验（如建议 “在干净环境中测试 3-5 条命令”），纯 AI 难以独立完成
2. **评分主观性残留**：示例质量评分（0-3 分/例）、组织评分等仍需人工判断，未完全消除主观因素
3. **未覆盖安全维度**：作为质量审计工具，未包含代码安全扫描（如命令注入风险）、供应链攻击检测等安全相关检查点
4. **长技能友好偏差**：明确建议 “少于 150 行的技能不值得发布”，可能低估某些高度聚焦、场景单一技能的价值
### 适合人群
– 技能注册表维护者：批量审核提交质量
– 技能开发者：发布前的自检清单
– 技术团队：建立内部技能开发规范与门禁标准
– 高级用户：评估下载技能是否值得保留安装
### 常规风险
1. **元数据与内容不一致**：`requires.anyBins` 列出的工具与实际使用不匹配（如泛列 bash 而非具体工具），导致 Agent 运行时环境准备失败
2. **示例失效**：工具版本更新后命令语法变更（如 docker-compose v1→v2），示例未同步更新将导致执行错误
3. **平台假设错误**：未标注的 GNU/BSD 差异可能导致 macOS 用户执行失败，未声明的 win32 支持可能误导 Windows 用户
4. **描述夸大**：description 承诺的覆盖范围与实际内容不符，造成用户预期落差
会员专属
