skill-evaluator

---
name: skill-evaluator
version: 3.1.0
author: community
license: MIT
description: >
  Evaluate any skill before installing. Run security gate, score trigger
  precision, execution quality, and cost efficiency. Get a yes/no
  recommendation. Use when users find a new skill and ask "这个技能值不值得装？"
  v3.1: 脚本计数精度+信息密度阈值+脚本完整性检查
metadata:
  type: meta-skill
  platform: [claude-code, codex-cli, openclaw, cursor, hemeress, generic-ai]
---

# 技能评估器

评估一个技能是否值得安装。两步走：安全门禁 → 类型评分。

## 铁律

1. **安全门禁不通过，不得评分。** 直接否决。
2. **得分 ≤ 50，建议"不安装"。** 除非用户明确说"我知道、我接受"。
3. **不确定技能类型，先问用户。** 不替用户做假设。

## 流程

### 步骤 0：确定技能位置

用户没给路径 → 问文件路径或 .skill 文件位置。

### 步骤 1：安全门禁

使用 `scripts/evaluate.sh --security <path>` 自动扫描。如果 Bash 不可用（如 Claude.ai），逐项手动检查：

| # | 检查项 | 手动方法 |
|:-:|:-------|:---------|
| 1 | 脚本可读 | 打开 scripts/ 下所有文件看是否可读 |
| 2 | 网络外呼 | 全文搜索 curl/wget/fetch 等函数调用 |
| 3 | 凭证采集 | 搜索 api.key/token/secret/password |
| 4 | 远程代码 | 搜索 curl/wget 管道到 bash/sh |
| 5 | 安全绕过 | 搜索"自动批准/关掉权限" |

**输出格式统一：** `✅` 或 `❌` 逐项列出，任意 ❌ 则终止，输出"高风险"。

### 步骤 2：确定技能类型

问用户：

> "这是 **普通技能**（日常用）还是 **元技能**（用来创建/评估其他技能的）？"

用户不确定 → 看描述和目录结构辅助判断。

### 步骤 3：评分

**自动检查优先，主观项问用户。**

每个维度的评分流程：

1. 先运行自动化检查（脚本/行数/grep）
2. 能确定的直接打分
3. 需要主观判断的（如触发精确度），简洁问 1-2 个问题后打分
4. 记录每个维度的得分和理由

**普通技能** → 读 `references/consumer-card.md`（v3.0），5 维度
**元技能** → 读 `references/meta-skill-card.md`（v3.0），6 维度

**重要评分原则：**
1. **来源权重最高** — 官方/可信来源的技能，自动获得可信高分（来源可靠本身就是最大的质量信号）
2. **价值 > 合规** — 不要求"铁律表/验证步骤/Good-Bad示例"等格式；只看实际产出质量
3. **脚本为王** — 有真实可执行脚本的技能价值远高于纯描述技能（实证：有脚本平均高出 19 分）
4. **精炼加分** — ≤150 行的精炼技能获得经济性附加分；短而精确优于长而全
5. **密度决定经济分** — 超过 50% 泛化内容的长技能(>500行)应受到信息密度扣分

### 步骤 4：输出最终报告

```
═══════════════════════════════════════════
  技能评估报告
═══════════════════════════════════════════
  技能：xxx.skill
  类型：普通技能
  安全：✅ 通过

  ┌─ 维度         得分  理由
  ├ 触发精确度    20/25  描述清晰无负例
  ├ 执行-完整     12/15  指令有少量缺口
  ├ 执行-知识      9/12  scripts/ 提供自动化
  ├ 执行-可靠      6/8   无已知问题
  ├ 经济性        16/20  450行, 中密度
  ├ 可信度         8/12  社区来源+脚本完整
  ├ 理解成本       8/8   结构清晰有示例
  └───────────────────────────
  总分：79/100

  评定：✅ 推荐安装
  一句话：触发精准、有脚本支撑，值得试用。
  同类对比：无现存同类
```

如果用户提到同类对比，末尾追加：
```
  同类对比：
    ┌ 此技能    79/100  优势：有脚本  劣势：无负例
    ├ 对比项A   82/100  优势：有benchmark  劣势：偏长
    └ 对比项B   65/100  优势：免费  劣势：触发模糊
  建议：选此技能，但如果需要 benchmarks 可考虑 A
```

## 平台适配

**Claude Code（完整能力）：**
- 使用 `scripts/evaluate.sh --all` 全自动
- 可 Launch Agent 并行评分

**Claude.ai（受限能力）：**
- 无 Bash 环境，无需运行 evaluate.sh
- 纯手动按评分卡逐项检查
- 用 Read 工具读文件，Grep 不能用时手动扫描关键词

**无头/Headless（中等能力）：**
- 可通过 Bash 运行 evaluate.sh
- 结果需内联输出，无法启动浏览器

## 边界

**应触发：** "评估这个技能"、"值不值得装"、"帮我看看这个技能"、"新技能判断"

**不触发：** 纯概念讨论技能是什么、在创建/修改技能（走 skill-creator）、技术细节讨论

## 偷懒预判

| 借口 | 真相 |
|------|------|
| "这个技能看起来很小，不用走门禁了吧" | 最小的技能可能藏最大的恶意。门禁不可跳过。 |
| "这是我写的技能，不用评了吧" | 自写技能更可能有盲点。评分能帮你客观审视。 |
| "先装再说，有问题再卸" | 恶意技能可能在第一次触发时就窃取数据。"先评再装"。 |
| "我只看触发描述就知道它好不好" | 触发描述好不代表执行力和安全性好。走完整流程。 |
| "这个分数还不到50但我觉得有用" | 铁律2允许用户坚持。但你知道风险了。 |
| "太长了不想读评分卡" | 所以我才先做自动检查。关键问题 1-2 个就好。 |

## 卡住时

| 问题 | 做法 |
|------|------|
| 不确定类型 | 问用户 |
| 文件不存在 | 问路径 |
| 用户不想回答评分问题 | 按最佳判断打分，标注"未确认" |
| 脚本没有 Bash 环境 | 手动逐项检查 |
| 恶意技能有加密/压缩脚本 | 判断为 ❌，不需进一步分析 |