核心用法
Skill Finder 是面向 AI Agent 的技能发现与选型工具，核心能力在于连接 ClawHub（ curated 注册表）与 Skills.sh（开放生态）两大技能来源，帮助用户基于实际需求快速定位、评估并安装最优技能。
使用时，Skill Finder 会首先检测用户是否描述了能力缺口（如"如何做得更好""有没有更快的办法"），而非被动等待"找技能"的明确指令。随后读取本地记忆文件（~/skill-finder/memory.md）获取用户偏好的搜索模式（默认双源并行），将用户描述转化为具体技能需求（如"PDF 编辑"而非泛泛的"PDF 处理"），执行搜索后按多维度评估候选技能，最终呈现 1-3 个带明确推荐理由的方案，仅在获得用户明确授权后执行安装。
显著优点
1. 双源整合优势：打破单一生态局限，ClawHub 适合追求 curated 质量与内置审查的场景，Skills.sh 适合探索前沿开放技能，Skill Finder 默认并行搜索两者并提供对比决策。
2. 主动触发机制：不局限于关键词匹配，能识别"能力缺口描述""工作流优化诉求""当前工具不满"等隐含需求场景，显著降低用户认知负担。
3. 结构化评估体系：基于描述清晰度、下载量（活跃度指标）、最后更新时间、作者声誉、安装范围摩擦度等维度筛选，避免"名字匹配即推荐"的粗糙做法。
4. 偏好学习闭环：支持记录用户显式反馈（喜欢/跳过/偏好设置），持续优化后续推荐相关性，且严格区分显式声明与行为推断，避免过度拟合。
5. 安全边界清晰：明确区分本地数据（偏好、历史）与外传数据（搜索查询），强制用户确认安装，禁止自动接受提示、强制安装标志或静默全局安装。
潜在缺点与局限性
1. 生态依赖性：核心功能依赖 npx clawhub 与 npx skills CLI 工具，若任一上游服务变更接口或可用性，可能需快速适配。
2. 评估指标盲区：下载量与更新频率虽能反映维护状态，但无法直接衡量代码质量或安全性，仍需配合其他审计手段。
3. 记忆文件单点：用户偏好集中存储于 ~/skill-finder/memory.md，跨设备同步需用户自行处理，暂无内置云同步机制。
4. 查询质量敏感：若用户描述过于模糊，搜索效果高度依赖 Skill Finder 的"需求翻译"能力，极端情况下可能产生方向偏差。
适合人群
- AI Agent 重度用户：已积累一定技能使用经验，需要系统性工具管理技能组合、寻找替代方案。
- 工作流优化者：频繁遭遇"现有方案不够快/不够安全/不够维护"痛点，希望主动发现更优工具。
- 多项目开发者：需要在 ClawHub 的稳定性与 Skills.sh 的前沿性之间灵活切换的团队或个人。
- 安全敏感用户：重视安装前审查、明确授权流程，不愿接受静默自动化的谨慎型用户。
常规风险
| 风险类型 | 说明 | 缓解措施 |
|---------|------|---------|
| 供应链风险 | Skills.sh 开放生态可能包含未经审计的技能 | 强制检查扫描警告，优先推荐 ClawHub 或高声誉来源 |
| 数据外传 | 搜索查询发送至外部注册表 | 明确披露，搜索历史仅本地存储 |
| 权限越界 | 恶意技能可能请求过度权限 | 安装前展示 inspect 信息，用户确认后执行 |
| 版本漂移 | 技能更新可能引入破坏性变更 | 推荐搭配 `skill-manager`/`skill-update` 主动管理版本 |
整体而言，Skill Finder 是 Agent 技能生态中的"智能导购"，其价值不在于替代人工判断，而在于系统性降低发现成本、结构化呈现决策信息，并在安全与便利之间维持审慎平衡。