核心用法
skill-sharpener 是一套面向 Agent Skill 开发者的质量评估体系，用于系统化诊断 SKILL.md 文件的合规性与可用性。其核心工作流包含六步闭环：读取目标 skill 文件 → 运行自动化结构分析脚本 → 代码审查 scripts/ 目录 → 按五大维度（元数据、结构、内容、示例、脚本）逐项评分 → 生成带优先级的评估报告 → 询问是否执行修复。
触发方式灵活，响应"评估 skill""优化 skill""skill 诊断"等关键词。执行时需依赖 scripts/audit_skill.py 输出客观指标，并结合 references/checklist.md 的人工评估清单进行主观判断，最终输出 0-100 分制的量化评分与红/黄/绿三色优先级建议。
显著优点
1. 评估维度全面：覆盖从 metadata 到代码实现的全链路，权重分配科学（元数据 25%、内容 25%、结构 20% 等），避免单点盲区。
2. 触发词设计务实：description 明确包含"评估、优化、审查、诊断"等多变体关键词，降低 undertrigger 风险。
3. actionable 输出：报告直接区分"必须修复/建议优化/亮点"三级优先级，附带具体位置与修改建议，减少开发者决策成本。
4. 渐进式修复策略：支持"仅高优修复"/"重写 description"/"全面重构"三档选择，且强制备份原文件，兼顾效率与安全性。
潜在局限
1. 脚本依赖风险：核心自动化分析依赖 audit_skill.py，若该脚本缺失或版本不兼容，需回退到纯人工评估，效率大幅下降。
2. 评分主观性：维度打分虽设 0-100 刻度，但阈值（如 80 分 vs 79 分）缺乏客观锚点，不同评估者可能产生分歧。
3. 修复执行边界模糊："仅修改明确的格式/结构问题"中的"明确"未定义，可能引发误改或漏改。
4. 无版本对比功能：当前未提供 skill 迭代前后的 diff 评估，难以量化优化收益。
适合人群
- 维护 5+ 个 skills 的中大型 Agent 项目开发者
- 需要建立 skill 质量门禁的 CI/CD 流程工程师
- 从快速原型转向生产级维护的 skill 作者
常规风险
- 过度优化陷阱：可能诱导开发者追求高分而非实用价值，需警惕"为评分而评分"。
- 脚本执行权限：
audit_skill.py运行时需文件系统读取权限，多租户环境下需隔离沙箱。 - 术语一致性维护：checklist.md 与 SKILL.md 可能术语漂移，需定期同步更新。