SkillCompass 是专为 Claude Code Skill 包设计的质量评估与进化引擎，通过六维度加权评分体系（Structure 10%、Trigger 15%、Security 20%、Functional 30%、Comparative 15%、Uniqueness 10%）实现系统化的 Skill 健康度诊断。
核心用法：以 /eval-skill 执行完整评估，/eval-improve 自动修复最弱维度，/eval-audit 批量扫描目录并支持预算控制。高级场景下，/eval-compare 对比版本差异，/eval-merge 处理上游更新冲突，/eval-evolve 开启多轮自主进化（需 ralph-wiggum 插件）。
显著优点：① Security Gate 机制将安全维度设为硬性门槛，Critical 发现强制整体失败，从源头阻断风险 Skill 流入；② 非侵入式版本管理，所有元数据存于 .skill-compass/ 旁录，绝不污染原 Skill 文件；③ 智能回滚保障，改进后任一下降 >2 分自动撤销；④ AuditChain 哈希链与 IntegrityMonitor 实现完整变更追溯；⑤ 本地预扫描减少 LLM Token 消耗。
潜在局限：① 依赖 Node.js 环境，对纯 Python Skill 生态兼容有限；② eval-evolve 需外部插件支持，完整功能链配置复杂；③ 六维度权重固定，难以适配特定垂直领域的差异化质量模型；④ 大规模批量审计时，--budget 参数需人工调优以避免过度消耗。
适合人群：Skill 开发者（迭代优化）、平台运营方（准入审核）、安全审计团队（合规检查）、DevOps 工程师（CI/CD 集成）。
常规风险：① 安全扫描器的正则模式可能产生误报，需人工复核 D3 结果；② 自动修复可能引入语义偏移，建议在关键 Skill 上启用 L3 跨影响验证；③ MIT 开源许可下，未来版本维护依赖社区活跃度，企业场景建议建立内部镜像。