核心用法
Skill Search Optimizer 是一套面向 ClawdHub/MoltHub 技能发布者的搜索优化手册，指导如何提升技能在平台内的可见度。核心围绕 ClawdHub 采用的 OpenAI 向量语义搜索 机制展开，强调"描述字段决定排名"这一关键事实。
三大描述公式：
- 工具型：
[动词] with [工具]. Use when [场景1], [场景2]. Covers [子主题] - 模式型：
[主题] patterns for [范围]. Use when [任务]. Also covers [相关范围] - 流程型：
[流程描述] from [起点] to [终点]. Use when [场景]
关键词策略：在语义搜索中仍需显式包含工具名、动作动词、同义词（如 jump host / bastion host）及问题导向语言（debugging why...）。
显著优点
1. 一手架构洞察：文档披露 ClawdHub 使用 OpenAI embedding + Convex 向量索引的技术细节，这是外部难以获取的内部信息
2. 可量化优化标准：明确描述长度黄金区间（80-200 字符）、测试矩阵模板、迭代发布流程
3. 竞品分析框架：提供从搜索对手描述、对比内容深度到差异化定位（广度/深度/问题导向/跨工具）的完整方法论
4. 实战 CLI 工具链：集成 npx molthub search 命令，支持发布→测试→优化的闭环验证
潜在缺点与局限性
- 平台绑定性强：所有策略基于 ClawdHub 特定架构（向量模型版本、索引字段权重），迁移至其他注册中心（如 MCP Hub）可能失效
- 时效性风险：OpenAI embedding 模型版本更新（如 text-embedding-3 系列）可能改变语义匹配行为，文档未标注版本锁定建议
- 过度优化陷阱：鼓励"描述优先于内容"的策略，可能导致标题党技能——排名高但实际价值低，损害长期用户信任
- 缺乏 A/B 测试工具：仅提供手动搜索验证，无内置指标追踪（点击率、安装转化率）
适合人群
- 技能开发者：已有 SKILL.md 草稿，需要在发布前优化可见度
- 存量技能维护者：技能上线后搜索排名不佳，需诊断改进
- 平台运营/产品经理：理解 ClawdHub 搜索机制的设计逻辑
常规风险
| 风险类型 | 说明 |
|---------|------|
| 搜索操纵 | 过度堆砌关键词可能导致语义稀释，反而降低匹配精度 |
| 版本碎片化 | 频繁发版优化描述会产生大量小版本，增加用户选择成本 |
| 早期红利消退 | 文档强调"先发优势"，随着平台成熟，优质内容竞争将加剧 |
| CLI 依赖 | 测试流程依赖 npx molthub，若 CLI 变更或弃用，验证 workflow 断裂 |