核心用法
skill-reviewer 是一个编排型 Claude Code skill，专注于对其它 skills 进行系统性质量审计与兼容性验证。它并非独立完成所有检查，而是通过明确的职责分工，将结构化校验和内容质量审查委托给专用工具，自身聚焦在跨平台、跨 Agent、跨生态的兼容性审计上。
标准审计流程包含四个步骤：
1. 结构校验：运行内置 validate.sh 脚本，检查 YAML frontmatter、name/description 格式等元数据合规性
2. 内容质量：强制调用 writing-skills skill 进行深度质量审查（token 效率、渐进式披露、反模式、CSO 合规性等）。若该 skill 缺失，必须停下引导安装，不得跳过
3. 兼容性审计（核心）：逐项检查跨平台兼容性（macOS/Windows 锁定命令）、跨 Agent 兼容性（Claude Code 专属工具/MCP 依赖）、npx skills 生态兼容性（marketplace.json、symlink、跨 skill 依赖）、工具引用规范（fallback 备注）、Prerequisites 声明完整性
4. 输出报告：按 Critical/High/Medium/Low 分级输出结构化审计报告
显著优点
- 职责分离清晰：不重复造轮子，结构/质量检查委托专业工具，自身专注兼容性这一高价值领域
- 强制依赖管理：通过
MUST级别的writing-skills调用要求，确保审计完整性，避免"半吊子"审查 - 标准化输出：统一的报告格式和严重度分级，便于开发者快速定位问题优先级
- 生态意识强：明确关注 npx skills 生态的 marketplace.json、symlink、跨 skill 依赖等分发层面的兼容性
- 被动检查原则：Prerequisites 章节要求"执行失败时才引导安装"，避免 skill load 时的冗余检查，提升性能
潜在缺点与局限性
- 外部依赖刚性：
writing-skills的强制依赖可能成为单点故障，若该 skill 本身存在安装或兼容性问题，将阻塞整个审计流程 - 自举复杂性：作为审查 skills 的 skill，它自身的质量如何保证？文档中未提及 self-review 机制
- 平台覆盖有限：虽然检查跨平台兼容性，但 checklist 主要聚焦 macOS/Windows，对 Linux 发行版差异、容器环境、WSL 等场景覆盖不足
- Agent 生态局限：当前主要针对 Claude Code 设计，对 OpenAI Agents、Google ADK、LangChain 等其它 Agent 框架的兼容性检查深度未知
- 人工判断依赖：兼容性审计中的多项检查（如"显著影响可用范围"的判断）仍依赖执行者经验，自动化程度有限
适合人群
- Skill 开发者：在发布前进行自检，确保符合生态规范
- Skill Marketplace 维护者：批量审核投稿技能的质量与兼容性
- 企业内 Claude Code 管理员：审计内部 skills 的安全性与跨环境可用性
- 开源贡献者：为社区 skills 提供标准化审查反馈
常规风险
- 审计逃逸风险：若用户绕过
writing-skills强制调用（如修改本地 skill 文件），将导致内容质量审计缺失 - 误报/漏报风险：兼容性检查基于模式扫描，可能产生误报（如合法的平台特定优化被标记）或漏报（如动态生成的平台相关代码）
- 生态锁定风险：深度绑定 npx skills 生态规范，可能增加向其它分发渠道（如 npm、Docker Hub）迁移的成本
- 维护滞后风险：checklist 文件
references/compatibility-checklist.md需要随 Claude Code 版本迭代更新，否则审计标准可能过时