核心用法
Skill Finder 是一款专注于按需搜索与智能评估的辅助工具，核心流程为：搜索（npx clawhub search）→ 评估（应用质量指标）→ 对比排序 → 推荐最优 1-3 项。用户通过自然语言描述需求（如"有没有做 X 的 skill"），系统返回匹配结果并附推荐理由。
显著优点
1. 意图驱动搜索：支持"按需求而非名称"查找，降低用户认知负担
2. 质量前置评估：内置评估标准（evaluate.md），避免盲目推荐
3. 偏好持久化：显式记录用户喜好与拒绝原因（~/skill-finder/memory.md），随使用迭代优化推荐
4. 安全边界清晰：严格限定只读搜索与评估，永不自动安装，数据隔离在独立目录
潜在缺点与局限性
- 依赖外部索引：搜索质量受 ClawHub 平台数据完整性制约
- 无行为学习：仅接受显式反馈，无法从交互历史中隐性优化
- 存储容量有限：偏好文件 ≤50 行，长期用户可能需手动归档
- 人工评估瓶颈：复杂场景下仍需用户最终判断，工具仅辅助决策
适合人群
- 新用户快速探索可用 skill 生态
- 需要对比多个同类工具的中高级用户
- 对自动安装持谨慎态度、偏好手动控制的安全敏感型用户
常规风险
- 搜索偏差：平台算法可能导致热门但非最优结果被优先展示
- 偏好固化：显式存储机制若缺乏定期清理，可能形成过时推荐逻辑
- 版本漂移：
npx clawhub命令行为变更可能破坏搜索流程（需关注 changelog）