核心用法
Skill Recommender 是一款面向 OpenClaw 生态的技能发现与推荐工具，主要用于解决技能库膨胀后的检索与决策难题。其核心功能包括三类：
1. 智能推荐（recommend_skills.js）：通过自然语言查询理解用户意图，基于名称、描述、关键词和领域词进行多维度匹配，返回排序后的 skill 推荐列表。
2. 聚类分析（cluster_skills.js）：将功能相近的 skill 自动分组，帮助用户梳理技能版图，识别重复建设区域。
3. 去重检测（check_skill_dedup.js）：在新建 skill 前执行预检，判断是否存在功能重叠的现有 skill，给出「复用/扩展/新建」决策建议。
显著优点
- 意图优先的匹配逻辑：区别于简单的关键词搜索，强调"concrete task fit"而非"keyword overlap"，推荐结果更贴合实际使用场景。
- 决策闭环设计：不仅返回推荐列表，还明确标注「直接匹配」「邻近匹配」「次优备选」「可合并项」，降低用户选择成本。
- 防重复开发机制：内置 dedup 模式，从「是否已存在」「是否应复用」「是否应扩展」三个层面给出 actionable 建议，有效控制技能库冗余。
- 结构化输出：强制遵循「目标功能理解→推荐 skill→推荐理由→相近次优→可合并项→下一步建议」六段式输出，信息层级清晰。
潜在缺点与局限性
- 依赖本地技能库：必须指定
skills_dir路径，无法自动发现远程或未挂载的技能，对分布式协作场景支持有限。 - 无自动化评分权重说明：推荐规则文档（
recommendation-rules.md）虽存在，但具体排序算法的权重系数未公开，可解释性依赖人工判读。 - 聚类阈值黑箱：
cluster_skills.js的相似度分组标准未在说明中披露，用户难以预判聚类粒度。 - 安全认证缺失：报告明确标注「仅用于简介提取，未执行安全扫描」，生产环境使用需谨慎。
适合人群
- OpenClaw 技能开发者：在规划新功能前快速排查重复建设，或寻找可复用的现有 skill。
- 技能库管理员：定期执行聚类分析，维护技能分类体系的健康度。
- 终端用户：面对大量 skill 选项时，通过自然语言描述获取个性化推荐。
常规风险
- 路径注入风险：
skills_dir参数若接收外部输入，可能导致文件系统遍历攻击，建议严格校验路径白名单。 - 推荐偏差：基于关键词和描述的匹配可能受 skill 元数据质量影响，低质量描述会导致推荐失准。
- 过度合并建议：去重检测的保守策略可能误判相似 skill 为可合并项，需人工复核业务场景差异。