القائمة
检查 Skill 是否符合 Anthropic 官方最佳实践，执行自动化结构检查和 AI 内容质量审查，输出分级检查报告。当用户要求验证、检查、审查、评估某个 Skill 或 SKILL.md 是否规范时使用。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
基于费曼学习法的个人知识教练，通过"以教代学"的方式帮助用户深度理解和巩固知识。 支持主动知识回顾、薄弱点诊断、个性化学习建议，并可通过配置实现每日自动触发知识回顾。 触发命令：/feynman（直接调用费曼学习功能）
Tutors users from knowledge-base articles (Notion/local) using Feynman teach-back plus Sigma mastery gates, then writes Q&A talking points to a user-chosen location. Requires companion skills sigma and feyman-coach. Use when learning from KB/interview notes, Notion tutoring, Feynman+mastery prep, or /kb-feynman /费曼知识库 /面试口径学习.
Personalized 1-on-1 AI tutor using Bloom's 2-Sigma mastery learning. Guides users through any topic with Socratic questioning, adaptive pacing, and rich visual output (HTML dashboards, Excalidraw concept maps, generated images). Use when user wants to learn something, study a topic, understand a concept, requests tutoring, says 'teach me', 'I want to learn', 'explain X to me step by step', 'help me understand', or invokes /sigma. Triggers on: learn, study, teach, tutor, understand, master, explain step by step.
Designs Agent / LLM application architectures, multi-agent orchestration, tool-use pipelines, RAG / Text-to-SQL workflows, architecture route comparison, and architecture review. Extracts reusable architecture patterns from cookbooks, notebooks, and demo repos. Outputs solution-level plans (modules, data flow, agent patterns, MVP)—not product or tech-stack recommendations. Use when the user asks for 架构设计 / 方案设计 / Agent 工作流 / 多 Agent 编排 / 架构评审 / 方案路线 / MVP 路径, or says "design", "architecture", "review my design", "how should I structure this agent". Do NOT use for direct coding, bug fixing, product selection (framework/model/cloud), or pure API-question answering.
编排 Codex 的多 agent 自动化编码与交付流程，结合 AGENTS.md、.codex/config.toml、hooks、skills、MCP、CI 和 subagents，把复杂任务拆成 orchestrator、planner、explorer、docs_researcher、implementer、reviewer、release_guard 等角色协作。当用户需要设计或执行多 agent coding workflow、复杂功能开发、跨文件改动、PR 审查、发布前把关、把单 agent 任务升级为可控多 agent 流水线，或初始化当前仓库以接入这套工作流时使用。
美化 nanobot 的回复输出格式，使用结构化排版、符号标记和清晰层级，适配 QQ、Telegram 等聊天平台。当需要让 nanobot 回复更美观、更易读时使用。
| name | validating-skills |
| description | 检查 Skill 是否符合 Anthropic 官方最佳实践，执行自动化结构检查和 AI 内容质量审查，输出分级检查报告。当用户要求验证、检查、审查、评估某个 Skill 或 SKILL.md 是否规范时使用。 |
对目标 Skill 执行结构检查 + AI 内容审查，输出分级报告。
按以下三个步骤执行，复制清单跟踪进度：
验证进度：
- [ ] 步骤 1：运行结构检查脚本
- [ ] 步骤 2：AI 内容质量审查
- [ ] 步骤 3：输出综合报告
运行自动化验证脚本获取结构性检查结果：
python scripts/validate_skill.py <skill目录路径>
获取 JSON 格式结果（用于程序化处理）：
python scripts/validate_skill.py <skill目录路径> --format json
脚本检查 19 项规则：SKILL.md 存在性、name/description 字段格式、正文行数、多余文件、Windows 路径、引用深度，以及 4 项安全检查（硬编码凭据、危险命令、HTTP 明文 URL、敏感路径引用）。
记录脚本输出，继续步骤 2。
读取目标 Skill 的 SKILL.md 全文，逐项执行以下 8 项语义检查：
检查 A：description 质量
审查 description 是否满足：
检查 B：内容简洁性
审查正文是否包含 Claude 已经知道的通用知识：
检查 C：术语一致性
扫描全文，检查是否混用同义词：
检查 D：时间敏感信息
检查是否存在会过期的日期性表述（如"2025年8月前请使用旧版"）。
检查 E：示例质量
检查示例是否具体（有输入/输出对），而非抽象笼统。
检查 F：工作流与反馈循环
对于包含多步操作的 Skill，检查：
检查 G：信息安全（凭据与命令）
审查是否存在脚本自动检查可能遗漏的安全隐患：
../ 攻击）检查 H：权限最小化
审查 Skill 是否遵循最小权限原则：
详细检查标准参阅 references/official-checklist.md。
合并步骤 1（脚本结果）和步骤 2（AI 审查），按以下模板输出报告：
# Skill 检查报告: [skill-name]
## 结构检查 (脚本自动)
[粘贴脚本输出的各项结果]
## 内容检查 (AI 分析)
- [状态] 检查 A - description 质量: [具体说明]
- [状态] 检查 B - 内容简洁性: [具体说明]
- [状态] 检查 C - 术语一致性: [具体说明]
- [状态] 检查 D - 时间敏感信息: [具体说明]
- [状态] 检查 E - 示例质量: [具体说明]
- [状态] 检查 F - 工作流与反馈循环: [具体说明]
- [状态] 检查 G - 信息安全（凭据与命令）: [具体说明]
- [状态] 检查 H - 权限最小化: [具体说明]
## 总结
通过: X | 警告: X | 必须修复: X
状态标记规则：