菜单
评估一个或一批 Agent Skills 的设计质量，按 8 个有来源、有证据的维度输出 0–100 分、S/A/B/C/D 等级和优先改进项。重点检查触发边界、完成闭环、决策适应、安全恢复、上下文效率、复杂度适配、一致性和真实行为；不奖励文件数量或流程堆砌。用于‘给 skill 打分’、‘扫描全部 skills’、‘benchmark skill 设计’、‘比较哪些 skills 值得优化’等场景；只评估，不修改被评 Skill。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
在需要打包、签名、OTA、APK/IPA、GitHub Release、商店提交、部署、回滚或验活时使用；支持独立窄任务，也支持作为 app-flow 的当前行动。它核对具体渠道授权，可复用用户明确记录的项目级 preview OTA 持续授权并在验证通过后自动发布；未获授权只做预检。
把自然语言 App 需求、模块说明和参考截图一路推进到经验证的代码与当次授权交付；用于需要长时间自主开发、持续排障和跨上下文恢复的移动端或跨端 App 任务。它不固定技术栈、阶段或交付形式，也不会把无人值守理解为远端发布授权。
在需要与生产者分离的独立评审、复核、验收，或对 App 方案、UI、代码、体验或交付准备度做质量判断时使用；支持独立窄任务，也支持作为 app-flow 的当前行动。它只做只读评判并绑定真实证据，不创建或修改产物，也不做第一方定位根因或直接改代码。
在设计、开发或交付 App 时按需参考 Happy/Paws 经验，包括移动端架构、React Native/Expo 取舍、验证、OTA、安装包与 Release 边界。用于用户明确要求参考 Happy/Paws，或当前问题与这些真实工程经验高度匹配时；它只提供上下文，不是 App Workflow，也不强制复制 Happy 的技术栈。
在需要创建、修改、重构、修复 App 代码，或只读诊断崩溃、定位根因、给出候选补丁时使用；支持独立窄任务，也支持作为 app-flow 的当前行动。它不做产品调研、原型/设计、独立评审或打包发布，除非当前行动本身就是改代码。
作为 self-learning 的 HyperFrames 产出能力，自主学习本地教学音视频或公开视频链接，把教程讲授的方法、可观察动效和屏幕代码转成有证据、可恢复、可渲染的 HyperFrames Demo，并记录实际使用的内容、Skills、工具与可复用经验。仅在 self-learning 调用，或用户明确要求从教学素材制作 HyperFrames Demo 时使用；普通学习任务不要单独触发。
| name | skill-design-benchmark |
| description | 评估一个或一批 Agent Skills 的设计质量，按 8 个有来源、有证据的维度输出 0–100 分、S/A/B/C/D 等级和优先改进项。重点检查触发边界、完成闭环、决策适应、安全恢复、上下文效率、复杂度适配、一致性和真实行为；不奖励文件数量或流程堆砌。用于‘给 skill 打分’、‘扫描全部 skills’、‘benchmark skill 设计’、‘比较哪些 skills 值得优化’等场景；只评估，不修改被评 Skill。 |
以最少上下文，对 Agent Skill 的设计质量做可追溯评分。评当前证据，不评作者意图，也不评领域知识多少。
references/、scripts/、状态机或 SubAgent 都不是加分项。| 模式 | 何时使用 | 证据范围 |
|---|---|---|
static | 默认；单个或批量快速扫描 | 当前文件、资源，以及解析、链接、语法、--help 等无副作用检查；最高 85 分 |
verified | 有现成记录，或允许安全前向测试 | static + 真实触发、边界/失败、产物和验收证据 |
无法安全运行时保持 static，明确证据缺口，不为追求高分制造副作用。
确定范围：接受一个 SKILL.md、一个 Skill 目录或仓库目录；记录当前 commit 与工作树状态，避免把快照结论说成永久事实。
采集事实：运行：
python3 "${CLAUDE_SKILL_DIR}/scripts/collect_skill_facts.py" <目标> --format json
若运行时不提供 CLAUDE_SKILL_DIR，从当前 SKILL.md 所在目录解析脚本路径。脚本只提供客观事实，不代替评分。
建立画像：记录产物（回答/文件/状态）、副作用（无/本地/外部）、路径（单路径/多分支/长流程）和依赖（无/本地/外部）。先判断需要多少复杂度，再评分。
加载评分表：完整读取 references/rubric.md，逐维度评分。不要预读其它被评 Skill 的所有 references；只读取会改变当前判断的文件。
检查证据：优先级为运行产物与断言 > 可执行脚本 > 当前规则文本 > README 或自我声明。发现矛盾时以更接近真实执行的证据为准。
应用门槛与上限：先处理 rubric 中的硬上限，再求和。保留原始整数分，不向上取整。
输出报告：批量任务先给总表，再给每个 Skill 的简版；只列最重要的 1–3 个改进项。
SKILL.md。# <skill-name> — <总分>/100 · <等级>
画像：<产物> · <副作用> · <路径> · <依赖>
模式：static <x>/85 + behavior <y>/15
| 维度 | 得分 | 目标证据 | Benchmark 依据 |
|---|---:|---|---|
| D1 ... | x/12 | path:line / test / trace | G-...、W-... |
硬上限：无 | <规则与原因>
证据缺口：<没有则写“无关键缺口”>
优先改进：
1. P0 — <影响最大、可执行的一项>
2. P1 — <第二项，可省略>
3. P2 — <第三项，可省略>
等级固定为：S 95–100、A 85–94、B 70–84、C 50–69、D 0–49。分数表达当前证据下的设计成熟度，不代表业务知识价值。
批量总表只保留：Skill、分数、等级、模式、最大优点、最高优先级问题。详细报告按需展开，避免输出膨胀。
| 文件 | 何时读取 |
|---|---|
references/rubric.md | 每次评分必读；唯一评分定义 |
references/source-basis.md | 用户追问准则来源、维护 benchmark 或核查来源 ID 时读取；普通批量扫描不必加载 |