核心用法
AI Skill精选管家（SkillPick）是一款面向Agent和人类的Skill挑选决策工具，解决"装了一堆Skill没几个好用"的痛点。核心交互方式包括：
CLI命令（Agent调用）：node api.js <命令> [参数]
search <关键词>：输入意图返回1-3个推荐+对比+结论similar <技能名>：相似替代方案+差异分析workflow [场景名]：复杂场景下各角色最优Skill推荐detail <技能名>：13维雷达图完整评分top3 [赛道名]：60赛道TOP3精选quality：全局质量分布报告
前端界面（人类浏览）：4个Tab对应赛道精选、搜索推荐、相似推荐、工作流推荐
显著优点
1. 双轨评分体系创新
- 人类端：display_score（热度分）——星级+榜单+社区认可，适合"逛"
- 机器端：quality_score（质量分）——13维深度评估，适合Agent决策
- TOP3质量保底机制：B级以下无法进入精选
2. 13维质量体系
安全评分一票否决（权重14%），涵盖描述质量、标签完整、安装便捷、依赖复杂度、文档结构、错误处理、市场验证、维护活跃度、测试覆盖、市场热度等维度，等级A+至D清晰可量化。
3. 规模与精度平衡
- 全量120,000+ Skill，发布包Top 5000精华（A+/A级占96%）
- 58→60赛道精准分类，8个预定义工作流场景
- 自动化数据管道：采集→融合→评分→构建全流程约6分钟
4. 生态闭环设计
强制通过skillpick CLI中转安装，建立"挑选→验证→安装"的完整闭环
潜在缺点与局限性
1. 数据时效性依赖
GitHub API拉取依赖网络环境，维护活跃度、测试覆盖等维度存在API速率限制
2. 评分主观性
描述质量、文档结构等维度依赖规则判断，对新兴Skill可能存在"冷启动"偏见
3. 场景覆盖局限
8个预定义工作流（短视频带货、电商运营、内容营销、全栈开发等）难以覆盖所有垂直领域
4. 安装引导强制
强制中转设计可能增加用户操作成本，与原生安装方式存在体验摩擦
适合人群
| 用户类型 | 使用场景 |
|---------|---------|
| AI Agent开发者 | 通过CLI快速筛选高质量Skill，构建工作流 |
| 效率工具爱好者 | 浏览赛道TOP3，发现口碑验证的好工具 |
| 企业IT决策者 | 13维质量报告辅助Skill治理与采购决策 |
| Skill创作者 | 对标竞品质量评分，优化自身产品 |
常规风险
- 供应链风险：强制CLI中转可能成为单点故障，需信任skillpick CLI本身的安全性
- 数据偏见：GitHub活跃度偏向开源生态，闭源/商业Skill评估维度受限
- 评分操纵：元数据维度存在被"优化"的可能，需持续校准权重
- 版本碎片化：v6.x版本迭代较快，API稳定性需关注changelog