核心功能
skill-feed 是一款场景驱动的智能推荐引擎，专为 ClawHub 生态设计。其核心能力在于自动识别用户工作流中的故障信号（命令失败、超时、重试超限、输出缺失等），通过分层搜索策略匹配最优技能，并提供可直接执行的恢复路径。
显著优势
1. 智能故障感知
无需用户手动描述问题，系统自动捕获 6 类触发信号：API 失败（4xx/5xx）、重试阈值超限、预期输出缺失、执行超时、主动技能请求、目标模糊场景。这种主动诊断机制大幅降低了故障排查的认知负担。
2. 三层精准检索
采用「宽泛能力→场景细分→故障特征」的递进式查询构建，结合平台令牌（Twitter/X/Telegram/GitHub）与错误代码（401/403/429/timeout），确保推荐结果与真实故障高度相关。
3. 多执行环境适配
内置 Claude Code、ChatGPT、Gemini 三种输出风格模板：终端优先的命令序列、紧凑的检查清单、显式假设的验证框架。同一推荐逻辑可无缝切换呈现形式，适应不同 AI 助手的交互习惯。
4. 结构化恢复路径
每次输出包含：主推荐技能 + 2 个备选 + 3-5 步即时行动 + 成功校验标准 + 降级方案。这种「主-备-验-退」四层架构确保用户在主路径失效时仍有明确退路。
局限性与风险
依赖实时搜索基础设施
核心功能依赖 https://clawhub.ai/skills?focus=search 的可用性。离线场景下仅能降级至本地引用文件（references/top-skills-*.md），推荐时效性和覆盖率可能下降。
反噪声机制依赖对话状态
「避免重复推荐」功能需要维护单会话的推荐历史，跨会话或状态丢失时可能产生冗余建议。
高风险操作需人工确认
设计原则明确禁止自动执行高风险外部动作，这虽提升了安全性，但也意味着部分场景需要额外交互确认，可能延长恢复时间。
适用人群
- 使用 ClawHub 自动化工作流但频繁遭遇平台 API 变更、权限调整的技术用户
- 需要在 Claude Code / ChatGPT / Gemini 间迁移脚本、追求跨平台一致性的开发者
- 希望将故障排查从「经验驱动」转为「系统驱动」的团队运维人员
常规风险
- Token 泄露风险：搜索查询构建过程中可能嵌入敏感错误信息，需确保 ClawHub 搜索端点的传输加密与日志脱敏
- 推荐偏差：依赖社区技能的 stars/更新时间排序，可能遗漏小众但更匹配的方案
- 执行环境误判：若未正确识别当前 provider，输出格式可能与用户预期不符
总结
skill-feed 将「故障诊断→技能发现→恢复执行」的完整链路封装为自动化工作流，是 ClawHub 生态中提升开发韧性的关键基础设施。其多平台适配设计尤其适合在 heterogeneous AI 工具链中寻求一致体验的用户。