核心用法
SkillPick是AI Skill领域的「什么值得买」，定位为消费决策指南而非单纯搜索工具。核心功能围绕五大场景：赛道精选（58个领域TOP3推荐）、搜索推荐（意图识别+质量排序）、相似替代（差异对比）、工作流推荐（8大场景角色匹配）、13维质量详情。用户可通过CLI命令快速调用，如node api.js search PDF获取智能推荐，或node api.js detail <技能名>查看完整质量雷达图。
前端采用双受众设计：人类用户浏览热度分排序的榜单，Agent则调用质量分驱动的API。数据覆盖29,000+技能，发布包精选Top 3000（A+/A级占96%），融合SkillHub、GitHub与手工三源验证。
显著优点
评分体系科学：独创「热度分+质量分」双轨制，人类端看社区口碑（星级/榜单），机器端看13维深度评估，避免单一指标偏差。质量维度涵盖安全评分（14%权重，一票否决）、维护活跃度（10%）、描述质量（12%）等，数据源自GitHub API实时采集。
决策链路完整：不是给结果，而是给「推荐+理由+结论」三段式输出，相似推荐附差异分析，工作流推荐按场景角色拆解，大幅降低选择成本。
数据工程扎实：自动化pipeline支持全量采集（~6分钟）、清洗、评分、构建全流程，版本号统一（v6.9.0），发布包体积可控（~6MB）。
潜在局限
中文生态覆盖：SkillHub为主的数据源可能存在中文原生技能覆盖不足，部分国内平台技能未纳入评估。
评分滞后性：GitHub活跃度、市场热度等依赖外部API，更新周期与数据源同步，非实时刷新。
场景预设有限：工作流仅预定义8个场景（短视频带货、电商运营等），垂直细分场景需自行组合。
安全评分占位：当前报告为系统生成占位，未执行真实安全扫描，实际安全等级依赖元数据自声明，存在信息差风险。
适合人群
- AI Skill重度用户：已接触多个平台，需要从「能用」进阶到「选优」
- Agent开发者：需要程序化调用质量评估API，做自动化选型
- 团队技术负责人：需为不同角色（产品/运营/开发）统一技能选型标准
常规风险
数据来源依赖第三方平台（SkillHub、GitHub），若平台API策略变更可能影响数据采集。质量评分中的「市场验证」「安全评分」等维度依赖元数据完整性，存在「高分低质」或漏评可能。建议关键业务场景结合人工复核，不盲信评级。