核心用法
skill-assessment 是一款面向 OpenClaw 生态的轻量级静态分析工具，通过命令行对技能包进行多维度质量扫描。支持单技能评估、批量扫描、JSON 输出及问题聚焦模式，并可对两个技能进行横向对比。
典型命令
skill-assess <path>— 单技能评估skill-assess --all— 批量扫描本地全部技能skill-assess --compare <skill-a> <skill-b>— 横向对比skill-assess --problems-only— 仅输出问题项skill-assess --format json— 结构化报告输出
评分维度
1. 文档完整性 — README、CHANGELOG、API 说明等覆盖度
2. 代码质量 — 静态检查、安全信号、规范符合度
3. 配置友好性 — 参数验证、默认值合理性、错误提示
4. 维护活跃度 — 版本迭代频率、Issue 响应、依赖更新
显著优点
- 开箱即用：无需复杂环境配置，单命令完成评估
- 多场景覆盖：既适合开发者发布前自检，也适合用户安装前对比决策
- 输出灵活：支持人类可读摘要与机器可解析的 JSON 双模式
- 对比能力：原生支持技能间横向对比，降低选型成本
潜在局限
- 静态分析无法捕获运行时行为与动态依赖问题
- 维护活跃度评分依赖公开元数据，私有仓库或离线场景可能失真
- 对比功能需本地已下载双方技能，无法直接拉取远程仓库
适合人群
- 技能开发者：发布前质量把关与持续集成接入
- 平台运营者：批量审核入驻技能的健康度
- 终端用户：在多个相似技能间做安装决策
- 安全审计人员：快速识别高风险维护状态的技能
常规风险
- 扫描结果仅反映静态快照，不代表实际运行时安全性
--problems-only模式可能掩盖低优先级但潜在重要的优化建议- 对比评分需结合业务场景解读，高分技能不一定更适合特定用例
- 依赖外部元数据（如 Git 历史）时，若仓库结构非标准可能评分偏差