专为 ClawdHub 技能优化搜索排名的实战指南，涵盖语义搜索原理、描述文案公式、关键词策略与竞品分析方法。
说明：
## 核心用法
**Skill Search Optimizer** 是一套面向 ClawdHub/MoltHub 技能发布者的搜索优化手册，指导如何提升技能在平台内的可见度。核心围绕 ClawdHub 采用的 **OpenAI 向量语义搜索** 机制展开，强调”描述字段决定排名”这一关键事实。
**三大描述公式**：
– **工具型**：`[动词] with [工具]. Use when [场景1], [场景2]. Covers [子主题]`
– **模式型**：`[主题] patterns for [范围]. Use when [任务]. Also covers [相关范围]`
– **流程型**：`[流程描述] from [起点] to [终点]. Use when [场景]`
**关键词策略**：在语义搜索中仍需显式包含工具名、动作动词、同义词（如 jump host / bastion host）及问题导向语言（debugging why…）。
## 显著优点
1. **一手架构洞察**：文档披露 ClawdHub 使用 OpenAI embedding + Convex 向量索引的技术细节，这是外部难以获取的内部信息
2. **可量化优化标准**：明确描述长度黄金区间（80-200 字符）、测试矩阵模板、迭代发布流程
3. **竞品分析框架**：提供从搜索对手描述、对比内容深度到差异化定位（广度/深度/问题导向/跨工具）的完整方法论
4. **实战 CLI 工具链**：集成 `npx molthub search` 命令，支持发布→测试→优化的闭环验证
## 潜在缺点与局限性
– **平台绑定性强**：所有策略基于 ClawdHub 特定架构（向量模型版本、索引字段权重），迁移至其他注册中心（如 MCP Hub）可能失效
– **时效性风险**：OpenAI embedding 模型版本更新（如 text-embedding-3 系列）可能改变语义匹配行为，文档未标注版本锁定建议
– **过度优化陷阱**：鼓励”描述优先于内容”的策略，可能导致标题党技能——排名高但实际价值低，损害长期用户信任
– **缺乏 A/B 测试工具**：仅提供手动搜索验证，无内置指标追踪（点击率、安装转化率）
## 适合人群
– **技能开发者**：已有 SKILL.md 草稿，需要在发布前优化可见度
– **存量技能维护者**：技能上线后搜索排名不佳，需诊断改进
– **平台运营/产品经理**：理解 ClawdHub 搜索机制的设计逻辑
## 常规风险
| 风险类型 | 说明 |
|———|——|
| 搜索操纵 | 过度堆砌关键词可能导致语义稀释，反而降低匹配精度 |
| 版本碎片化 | 频繁发版优化描述会产生大量小版本，增加用户选择成本 |
| 早期红利消退 | 文档强调”先发优势”，随着平台成熟，优质内容竞争将加剧 |
| CLI 依赖 | 测试流程依赖 npx molthub，若 CLI 变更或弃用，验证 workflow 断裂 |
