核心定位
skill-review-pro 是一款面向 AI Skill 的专业质量评审系统，采用模块化架构实现从静态审查到修复执行的全流程覆盖。其核心能力包括：基于四维度（可靠性、工程化、用户体验、可维护性）的量化评分体系，内置对抗检查清单（A1-A5）验证异常场景鲁棒性，以及可落地的改进建议与修复执行支持。
显著优点
评审深度与专业性：区别于简单的内容检查，系统要求评审者引用原文作为评分依据，严格执行"同一问题仅在一个维度扣分"的去重规则，避免表面化判断。对抗检查清单覆盖模糊输入、越界请求、矛盾请求、依赖不可用、硬编码路径等关键风险点。
架构可扩展性：采用"主控编排 + 类型策略 + 评分模型 + 修复执行"四层架构。基础层（reliability/maintainability/ux）为所有 Skill 共享，域层（engineering/cognition/workflow）按任务类型动态加载，支持两级路由与降级策略，模块缺失时可 graceful degradation。
多模式工作流：支持标准评审、直接修复、意见验证、稳定性 benchmark 四种模式。特别是"意见验证模式"——当用户携带第三方建议请求评审时，系统独立审查后逐条验证建议有效性（有效/不完整/可选/无效/遗漏），避免盲目执行错误修复。
格式兼容性：原生支持 SKILL.md、CLAUDE.md、.cursor/rules/*.md、.clinerules 等多种 Skill 格式，自动识别 frontmatter 与核心内容边界。
潜在局限
模块依赖风险：评分模型（scoring/SKILL.md）为硬性依赖，文件缺失将终止评审。虽设计了降级策略，但 domain 策略缺失时评审深度显著下降，且依赖用户手动检查安装完整性。
内容长度限制：总内容超 8000 字符时需建立结构索引，子目录文件较多时仅优先评审核心模块，可能遗漏边缘文件的质量问题。
锚定效应警示：系统明确提醒"同一 session 连续评分存在锚定效应"，跨 session 波动预计 ±3-4 分，暗示评分存在一定主观性，benchmark 结果需谨慎解读。
适合人群
- Skill 开发者：在发布前进行质量自检与评分优化
- Skill 平台运营方：建立统一的 Skill 准入质量标准
- 团队技术负责人：评审第三方 Skill 的安全性与可维护性
- 进阶用户：深度定制个人 Skill 库的质量基线
常规风险
意图篡改风险：系统明确禁止修复时改变 Skill 原有意图，但"直接修复模式"跳过完整评审，快速生成修复清单，用户可能未充分理解即执行修改。
硬编码路径盲区：虽然 A5 对抗检查包含此项，但子目录扫描深度限制为 3 层，深层配置文件的硬编码风险可能未覆盖。
双语输出歧义：要求"检测用户语言并全程使用同一语言"，但技术术语保留原文，实际执行中可能出现中英混用，影响非技术用户的理解。