القائمة
Claude Skills 综合质量分析工具。从 GitHub、市场、ZIP 文件或本地目录获取 skills，从五个维度（结构、安全、UX、代码质量、集成）评估并给出评分。触发词："分析 skill 质量"、"审查这个 skill"、"评估 skill"、"skill 质量检查"。
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
| name | skill-quality-analyzer |
| description | Claude Skills 综合质量分析工具。从 GitHub、市场、ZIP 文件或本地目录获取 skills，从五个维度（结构、安全、UX、代码质量、集成）评估并给出评分。触发词："分析 skill 质量"、"审查这个 skill"、"评估 skill"、"skill 质量检查"。 |
对来自任何来源（GitHub、市场、ZIP 文件、本地目录）的 Claude Skills 进行综合质量分析。使用平衡方法评估五个关键维度：安全性、架构、用户体验、代码质量和集成。
三种分析模式：
| 维度 | 权重 | 评分标准 |
|---|---|---|
| 结构与文档 | 20% | SKILL.md 存在且符合最佳实践、YAML frontmatter 正确、描述清晰 |
| 安全 | 30% | 无恶意代码模式、无 YAML 注入、无硬编码凭证、文件操作安全 |
| 用户体验 | 20% | 清晰的触发词、文档化的工作流、实用的示例、逻辑组织清晰 |
| 代码质量 | 15% | 遵循最佳实践、资源组织合理、脚本有文档、结构清晰 |
| 集成与工具 | 15% | 工具使用恰当、MCP 集成正确、资源使用高效 |
获取 skill 来源：
git clone <url> /tmp/skill-analysis/<name>unzip <path> -d /tmp/skill-analysis/<name>阅读 SKILL.md 理解：
始终首先使用 skill-security-analyzer skill：
调用安全分析器获取全面的安全报告。
检查内容：
从用户角度审查：
检查目录结构：
skill-name/
├── SKILL.md (必需)
├── README.md (可选)
├── scripts/ (可选)
├── references/ (可选)
└── assets/ (可选)
检查工具/skill 使用模式：
# Skill 质量分析报告: [名称]
**Overall Score:** [X/100]
**Grade:** [A+/A/B+/B/C+/C/D/F]
## 维度评分
| 维度 | 评分 | 权重 | 加权分 |
|------|------|------|--------|
| 结构与文档 | X/100 | 20% | X |
| 安全 | X/100 | 30% | X |
| 用户体验 | X/100 | 20% | X |
| 代码质量 | X/100 | 15% | X |
| 集成与工具 | X/100 | 15% | X |
分步分析并提供具体改进建议。
二元评估，必须满足：
| 分数 | 等级 | 说明 |
|---|---|---|
| 90-100 | A+/A | 优秀 - 示范级 skill |
| 80-89 | B+/B | 良好 - 略有改进空间 |
| 70-79 | C+/C | 可接受 - 功能性但需改进 |
| 60-69 | D | 需改进 - 存在重大问题 |
| 0-59 | F | 差 - 不推荐使用 |
---
name: skill-name
description: 一句清晰描述。使用场景：[触发场景]。触发词："短语1"、"短语2"。
---
# Skill 名称
## 概述
[2-3 句：做什么、为什么存在]
## 何时使用此 Skill
- [具体用例 1]
- [具体用例 2]
## 工作流/模式
[主要内容和清晰结构]
注意： 此 skill 使用 skill-security-analyzer skill 进行安全评估。始终先进行安全分析再进行其他维度评估。
LLM 微调专家。使用场景：微调 LLMs、训练自定义模型、适配基础模型进行特定任务。用于配置 LoRA/QLoRA 适配器、准备 JSONL 训练数据集、设置超参数、适配器训练、迁移学习、Hugging Face PEFT 微调、指令微调、RLHF、DPO 或量化部署微调模型。触发词：LoRA、QLoRA、PEFT、微调、适配器调优、LLM 训练、模型训练、自定义模型。
深度研究工具。仅在用户明确说'深度研究'、'深入调查'、'全面报告'时使用。比普通搜索慢 10-100 倍。对于普通研究/查找请求，使用 parallel-web-search。支持多轮：传递 --previous-interaction-id 以继续之前的上下文。
AI 模型提示工程指南：LLM、图像生成器、视频模型。技术：思维链、少样本、系统提示、负提示。模型：Claude、GPT-4、Gemini、FLUX、Veo、Stable Diffusion 提示。用于：更好的 AI 输出、一致的结果、复杂任务、优化。触发词：提示工程、如何提示、更好的提示、提示技巧、提示指南、LLM 提示、图像提示、AI 提示、提示优化、提示模板、提示结构、有效提示、提示技术。
RAG（检索增强生成）模式专家。用于构建 RAG 管道、嵌入文档、实现混合搜索、上下文检索、HyDE、Agentic RAG、多模态 RAG、查询分解、重排或 pgvector 搜索。触发词：RAG、检索、LLM、上下文、嵌入、HyDE、重排、pgvector、多模态。
Apache Spark 作业优化：分区策略、缓存、shuffle 优化和内存调优。用于提升 Spark 性能、调试慢作业或扩展数据处理管道。触发词：Spark、性能优化、分区、缓存、shuffle、数据倾斜。
Web 研究工具：搜索多个来源、综合发现并生成带引用的研究报告。用于用户要求在线研究主题、搜索网页、查找信息、获取最新信息、对比选项或生成研究报告。触发词：研究、网上搜索、查找信息、最新信息、对比选项、研究报告。