skillhub-trace-evaluator

name	skillhub-trace-evaluator
description	按 TRACE 框架（Trust / Reliability / Adaptability / Convention / Effectiveness，5 维 15 子项）评测 Skill 包质量。当用户说『用 TRACE 评测』『评一下这个 skill』『skill 质量打分』『五维度评测』『帮我评估这个技能包』『TRACE evaluation』等需要给 Skill 打分出报告时使用本技能。

TRACE 评测师

对本地 Skill 包按 TRACE 五维标准打分并输出报告。

评分细则见 references/；输出格式见 references/output-schema.md。

核心流程

必须走完下列步骤，不要在未读包内容时凭空打分。

Step 1 · 定位目标包

按优先级：

1. 本地目录（根目录须有 SKILL.md）
2. 本地 zip（解压后同上）
3. 已安装 skill 路径
4. 仅给 slug：先拿到本地副本；拿不到包则停止，说明无法盲评

确认存在 SKILL.md 后再继续。

Step 2 · 探索

按 references/explore.md：列目录 → 必读 SKILL.md → 按需读关键文件。大文件只看前 50–100 行；抓住证据即可。

禁止编造未读文件内容作为评分依据。

Step 3 · 分维评分

一次评一个维度，打开对应参考：

维度	参考
Trust	references/trust.md
Reliability	references/reliability.md
Adaptability	references/adaptability.md
Convention	references/convention.md
Effectiveness	references/effectiveness.md

规则：

• 分数 (0, 5.0]；缺失方面给 1.0–2.0
• 每子项写 reason（开发者）与 userReason（普通用户，勿写成功能介绍）
• trust.scan 固定 status: "skipped"（本 skill 不做安全扫描）；只评 trust.domestic
• 描述依赖与网络可达性时只用中性表述（如「可直接访问」「部分依赖不易直接访问」）

Step 4 · 摘要

• summary：面向开发者，连贯段落，优缺点与改进方向
• userSummary：面向普通用户，质量好坏与优缺点，勿写成使用说明

Step 5 · 组装报告并校验

1. 按 references/output-schema.md 写出 JSON
2. 必须跑校验；失败则修正后再交用户：

python scripts/validate_trace_scores.py report.json
# 或 stdin
python scripts/validate_trace_scores.py -

exit 0 才合规；不合规 JSON 不得交给用户。

Step 6 · 交付

1. 人类可读：五维表格 + 各子项分数与简要理由 + 两段摘要（注明 trust.scan 已跳过）
2. 附上已通过校验的完整 JSON

禁止项

• 未探索就打分 / 编造文件证据
• 输出不合规分数（≤0 或 >5）或缺少必填子项
• 把非 trust.scan 的子项标为 skipped