核心用法
skill-miner 是一套系统化的技能研究方法论，核心 workflow 分为四阶段：
1. Discovery：通过 clawhub search 和 clawhub explore 发现相关技能
2. Research：使用 clawhub inspect 查看技能元数据，理解其解决的问题、触发方式、使用的命令/API
3. Analysis：记录问题定义、解决思路、工具依赖、改进空间
4. Build：基于研究结论，使用 skill-creator 构建自己的干净实现
关键安全原则：只 inspect 不 install 可疑技能，核心代码自主实现。
显著优点
- 安全优先：避免直接下载/运行未经验证的代码，从源头规避供应链攻击
- 知识转化：将他人的实现思路转化为自己的理解，而非简单复制
- 自主可控：100% 拥有代码所有权，无外部依赖隐患
- 通用性强：输出的技能是 generic 实现，适用于更广泛场景
- 学习价值：深度研究过程本身就是技能开发能力的训练
潜在缺点与局限性
- 时间成本：研究+自建比直接安装慢，不适合紧急需求
- 能力门槛：需要具备独立实现技能的技术能力
- 信息不完整：仅通过 metadata 可能无法完全理解复杂实现
- 重复建设：热门技能可能被多人重复自建
- 维护责任：自建技能需自行维护，无原作者更新
适合人群
- 对代码安全有较高要求的企业/个人用户
- 希望深入理解技能原理的开发者
- 需要定制化处理、无法直接使用现成方案的场景
- 计划发布技能到 ClawHub 的贡献者
- 处理敏感数据或关键业务时的谨慎用户
常规风险
- 误检风险：过度谨慎可能导致拒绝使用实际上安全的优质技能
- 实现偏差：基于 metadata 重建可能与原意存在理解偏差
- 功能滞后：自建版本可能缺少原版的某些 edge case 处理
- 安全盲区：inspect 时遗漏某些隐蔽的风险指标