核心用法
该 skill 是一个面向 OpenClaw/ClawHub 生态的技能开发助手，采用工作流模式（Workflow Modes）设计，根据用户意图自动切换四种操作模式：
1. Mode 1 - 创建新技能：从需求收集→复杂度分级（Simple/Medium/Complex）→编写 frontmatter→构建 SKILL.md 主体→生成支持文件→质量审查，提供端到端的结构化指导。
2. Mode 2 - 评审现有技能：基于 24 项质量检查清单（quality-checklist.md），从 Frontmatter、Description、Structure、Security、Style、Completeness 六个维度输出诊断表格，按影响优先级排序修复建议。
3. Mode 3 - 改造优化：针对遗留技能执行「审计→重写描述→添加速查表→散文转表格→添加 guard clauses→提取深度内容→补充失败处理→再审计」的八步 retrofit 流程。
4. Mode 4 - 外部 API 集成：指导在 scripts/ 目录创建 curl 包装脚本，正确声明 metadata 依赖（bins/env），并提供调用示例。
显著优点
- 触发优化导向：将
description字段视为最高杠杆点，提供「动作动词+价值主张+5+触发短语」的公式化写法，显著提升 LLM 激活率。 - LLM 原生设计：内容面向 LLM 上下文注入而非人类文档，强调「Do X when Y」指令式写法，大量使用表格替代散文以加速 LLM 查找。
- 自洽性约束：强制 skill 自身必须包含它所教导的元素（如速查表、规则列表），形成质量信号。
- 安全合规内置：明确禁止自动执行生成的脚本（Rule 6）、要求用户确认，避免 VirusTotal 敏感词、强制依赖声明等。
潜在缺点与局限性
- 生态绑定深度：紧密耦合 OpenClaw/ClawHub 特定规范（如
clawdbotmetadata 键、{baseDir}路径变量），迁移至其他 agent 框架需大量改写。 - 复杂度分级主观性：Simple/Medium/Complex 三档划分依赖经验判断，新手可能误判 tier 导致目录结构反复调整。
- 单文件长度约束：强制 SKILL.md <300 行可能迫使过度拆分，某些深度技能可能需要频繁跨文件跳转。
- curl 中心化：API 集成模式仅以 bash/curl 为例，未覆盖 Python/Node SDK 等更现代的集成方式。
适合人群
- OpenClaw/ClawHub 技能开发者：从入门到发布全阶段
- 技术写作/AI 产品经理：学习 LLM 上下文工程的最佳实践
- DevOps/Platform 工程师：构建内部 agent 技能标准与审查流程
常规风险
- 元数据格式错误：metadata 必须为单行 JSON，多行会导致 ClawHub 解析失败
- 路径硬编码风险：未使用
{baseDir}会导致技能在不同安装路径下失效 - 依赖遗漏：未完整声明
requires.bins（含传递依赖如 node/npx）会导致运行时错误 - 自动执行陷阱：虽有 Rule 6 禁止，但用户仍可能误执行未审查的生成脚本
- 供应链风险：npx 调用未 pin 版本号（与自身教导的「Pin versions」矛盾，需注意）
---
注：安全认证报告为占位文本，未执行实际扫描，故安全等级基于内容自评。