核心用法
Clawhub Skill Creator 是一套面向 AI Agent 的技能开发规范与工具链，核心使用场景包括：创建新技能、更新现有技能元数据、优化技能结构、验证发布前检查、理解 Clawhub 特有要求。
使用流程遵循 13 个阶段：需求澄清（明确问题、用户、资源）→ 结构规划（根据复杂度选择简单/中等/复杂模式）→ 初始化目录 → 编写 SKILL.md（YAML frontmatter + Markdown 正文）→ 配置 _meta.json → 添加 LICENSE.txt → 编写参考资料 → 本地验证 → Agent 测试 → 迭代优化 → 版本检查 → 打包 → 发布。
显著优点
1. AI 优先设计：技能专为 AI Agent 消费优化，禁止交互式提示，采用命令模板而非平台特定脚本，Agent 根据检测到的平台自主选择变体。
2. 渐进式信息披露：三级加载策略（元数据始终加载 → SKILL.md 触发时加载 → 参考资料按需加载），有效控制上下文 Token 预算。
3. 严格的 Token 优化：SKILL.md 限制 300 行以内，参考资料单文件 <5K 词，总计控制在 10K Token 以内。
4. 跨平台原生支持：同一命令提供 Linux/Mac、Windows CMD、PowerShell 三种写法，消除平台碎片化。
5. 完整的验证体系：内置 validate.sh 检查清单，覆盖命名一致性、JSON 有效性、文件规范性、引用完整性等 7 项关键检查。
潜在局限
- 语言强制要求：所有描述字段必须使用英语，对非英语开发者存在门槛。
- 版本管理严格：禁止版本降级，必须遵循 Semver 规范，小团队可能增加维护负担。
- 无动态调试能力：技能本身不提供运行时调试或日志分析功能，需依赖外部工具链。
- 生态锁定：设计深度耦合 Clawhub 注册表，迁移至其他平台需重写元数据和结构。
适合人群
- 需要将内部工具/知识封装为 AI 可调用技能的开发团队
- 构建企业级 Agent 平台的工程师
- 追求上下文效率、有 Token 成本敏感度的 AI 应用架构师
- 熟悉命令行工作流、习惯 Infrastructure as Code 的 DevOps 从业者
常规风险
- 触发失效风险：若
description未包含 "Use when:" 触发条件或语言非英语，技能将无法被 Agent 正确识别。 - 版本冲突风险：未查询当前注册表版本直接发布，可能导致版本号冲突或覆盖他人更新。
- Token 溢出风险：忽视行数限制导致上下文膨胀，影响 Agent 推理质量与响应成本。
- 引用断链风险：参考资料未在 SKILL.md 中明确链接，Agent 无法按需加载深层内容。