Skill Test

核心用法

Skill Test 是一个技能测试框架，提供两种主要场景：
1. 试用模式（Trial Mode） — 在安装前试驾技能，通过独立子代理仅加载目标技能，运行 2-3 个代表性任务，评估是否实用、指令是否清晰，再决定保留或放弃。
2. 评估模式（Evaluation Mode） — 在发布前验证技能质量，调用专门的评审代理检查结构完整性、安全性和实用性，并给出改进建议。

隔离机制：使用 sessions_spawn 创建子代理，仅向子代理注入待测技能的 SKILL.md，主会话完全不受影响。推荐使用 anthropic/claude-haiku 等低成本模型降低测试开销。

对比功能：支持 A/B 测试，将同一任务分配给不同技能的独立子代理并行执行，横向对比输出质量后给出选择建议。

显著优点

• 零风险隔离：子代理天然边界，测试失败或异常不会污染主环境
• 成本优化：测试阶段使用轻量级模型（Haiku），正式使用时再切回高性能模型
• 流程标准化：内置试用→评估→决策的完整工作流，降低人工判断成本
• 灵活扩展：支持凭证模拟、多文件引用、边缘异常处理

潜在局限性

• 依赖子代理能力：测试质量受限于子代理对复杂技能的理解深度
• 凭证敏感场景受限：若技能强依赖真实凭证，测试需要用户配合或跳过部分功能
• 无法完全模拟生产负载：沙盒环境难以复现高并发、长会话等真实场景压力

适合人群

• 技能开发者：发布前自检质量
• 平台运营者：批量审核第三方技能
• 终端用户：在引入外部技能前验证安全性和实用性

常规风险

• 子代理逃逸：虽然概率极低，但需确保 sessions_spawn 的权限配置正确，防止测试技能通过子代理向主会话泄露数据
• 测试用例覆盖不足：代表性任务选取不当可能导致漏检严重缺陷
• 模型差异偏差：Haiku 测试通过不代表 Sonnet/Opus 环境下表现一致，需分阶段验证

Skill Test 是一款专注于 Skill 安全验证与质量评估的辅助工具，核心价值在于提供完全隔离的测试环境，让用户在"零副作用"前提下试用陌生 Skill 或验证待发布 Skill 的质量。

核心用法

该 Skill 围绕三大场景设计：Trial Mode（试用模式）、Evaluation Mode（评估模式） 和 Compare Mode（对比模式）。通过 sessions_spawn() 创建子代理沙箱，将测试 Skill 的 SKILL.md 注入隔离环境执行特定任务，主会话始终保持干净。

典型工作流：
1. 试用陌生 Skill：生成子代理 → 仅加载目标 Skill → 运行 2-3 个代表性任务 → 评估激活准确性、指令清晰度、输出质量 → 决策是否安装
2. A/B 对比：同一任务并行提交给两个 Skill → 并排展示输出 → 辅助判断优劣
3. 发布前质检：调用专业评审 Agent（结构/安全/实用性）→ 综合报告 → 输出改进建议

显著优点

| 维度 | 亮点 |

|------|------|

| **安全架构** | 强制沙箱隔离，子代理终止即清理，彻底杜绝污染主环境 |

| **成本优化** | 推荐搭配 Claude Haiku 等轻量模型测试，降低 Token 消耗 |

| **零依赖** | 纯 Markdown 文档，无外部 API、无第三方库、无可执行代码 |

| **实用导向** | 提供具体可复制的代码模板（`sessions_spawn` 调用示例）|

| **边界覆盖** | 文档明确 credential 缺失、Skill 未找到、测试中断等异常处理 |

局限性与注意事项

• 需外部配合：依赖底层 sessions_spawn 基础设施，若平台不支持子代理则无法使用
• 人工决策门槛：最终"安装/拒绝"判断仍需用户手动确认，工具本身不做自动决策
• T3 来源：个人开发者维护，长期更新频率存疑，建议社区共同维护
• 轻量模型局限：Haiku 等低价模型可能无法暴露复杂 Skill 的深层缺陷，关键测试建议升级模型

适合人群

• 谨慎型用户：不愿让陌生 Skill 直接接触主会话上下文
• Skill 开发者：发布前需要结构化质量评估
• 团队管理员：需批量评估第三方 Skill 的安全性与实用性
• 教学场景：向新手演示 Skill 工作机制而不必担心误操作

常规风险

风险极低。主要需注意：
1. 测试含 credential 的 Skill 时，避免在子代理中输入生产环境密钥
2. 子代理虽隔离，但仍可能产生网络请求（取决于被测 Skill），建议监控流量
3. 大量并发测试可能消耗较多 API 额度，注意成本控制