AI Skill精选管家

核心用法

SkillPick是AI Skill领域的「什么值得买」，专为解决"哪个Skill值得装"的决策难题而生。区别于单纯的搜索工具(find-skills)和排行榜(skillhub)，它提供五维决策支持：

1. 赛道精选：58个赛道各展示TOP3，按热度分排序+质量保底(B级以上)
2. 搜索推荐：输入意图→返回1-3个推荐+对比+结论，35个意图自动扩展
3. 相似推荐：指定Skill→给出1-3个替代选择+差异分析
4. 工作流推荐：8个预定义场景(短视频带货/电商运营/全栈开发等)，每个角色推荐最优Skill
5. 质量分析：13维深度雷达图，GitHub+SkillHub+市场验证三源增强

Agent CLI接口支持6大命令：top3/search/similar/workflow/detail/quality，便于自动化调用。

显著优点

• 双轨评分体系：独创display_score(热度分，给人类)和quality_score(质量分，给Agent)，让"大家觉得好不好"和"这个skill好不好用"各司其职
• 13维质量体系：安全评分14%权重(一票否决)、描述质量12%、维护活跃度10%等，A+/A级占发布包96%
• 数据规模庞大：29000+全量Skill，Top 3000精华发布包(~6MB)，58赛道覆盖
• 自动化数据管道：6分钟完成采集→融合→评分→构建全流程，持续更新
• 双受众设计：人类端逛榜单、Agent端调接口，场景分离清晰

潜在缺点/局限性

• 发布包裁剪：仅保留Top 3000精华，长尾Skill可能遗漏
• 质量分依赖元数据：13维中部分维度(描述质量、文档结构)依赖Skill作者填写规范程度
• 工作流场景有限：目前仅8个预定义场景，个性化自定义工作流能力待加强
• 中文生态侧重：虽然数据覆盖广，但评估体系可能更适配中文Skill市场

适合人群

• AI Skill重度用户：每天接触大量Skill，需要快速筛选决策
• Agent开发者：需要程序化获取高质量Skill推荐，集成到工作流
• 团队技术负责人：为团队统一采购/推荐Skill，需要客观质量评估
• 内容创作者/电商运营者：可直接使用8大工作流场景，快速搭建AI工具链

常规风险

• 安全评分依赖声明：安全维度基于元数据，实际运行风险需用户自行验证
• 热度分可能被操纵：display_score含市场热度，存在刷量干扰可能
• 版本迭代兼容性：Skill生态快速变化，推荐结果可能滞后于最新版本
• 过度依赖评分：B级以下Skill被大幅降权，可能埋没小众但优质的创新工具

SkillPick 核心功能与使用指南

SkillPick 定位是 Skill 生态领域的「什么值得买」，专为解决「哪个 AI Skill 值得安装」这一核心决策问题而生。与单纯的搜索查找（find-skills）和跟风排行榜（skillhub）不同，它提供深度判断、推荐理由和最终结论，帮助用户在 29000+ Skill 的海洋中精准定位最优选择。

核心用法

SkillPick 采用双受众设计，同时服务人类用户和 Agent 系统。人类端通过「热度分」快速浏览各赛道 TOP3，Agent 端则通过「质量分」实现精准搜索推荐、相似替代分析、工作流组合建议等功能。Agent 调用通过简洁的 CLI 接口完成：

• 赛道精选：node api.js top3 [赛道名] —— 查看 58 个赛道各 TOP3 Skill
• 搜索推荐：node api.js search <关键词> —— 输入意图返回 1-3 个推荐+对比+结论
• 相似替代：node api.js similar <技能名> —— 指定技能获取 1-3 个替代+差异分析
• 工作流推荐：node api.js workflow [场景名] —— 8 个预定义场景的角色最优 Skill 组合
• 质量详情：node api.js detail <技能名> —— 13 维雷达图完整评分

显著优点

双轨评分体系是 SkillPick 的最大创新。人类和 Agent 对 Skill 的评判逻辑截然不同：人类关注「大家认不认可」（星级+榜单+社区热度），Agent 关注「好不好用」（13 维深度质量评估）。SkillPick 让两套评分各司其职，人类端按热度分排序浏览，Agent 端按质量分精准推荐，实现「各取所需」。

13 维质量体系覆盖描述质量、安全评分、依赖复杂度、维护活跃度等关键维度，其中安全评分权重高达 14% 且一票否决，确保推荐 Skill 的安全底线。数据规模方面，发布包精选 Top 3000 精华（A+/A 级占 96%），约 6MB 本地数据离线可用，无需网络请求即可秒级响应。

自动化数据管道实现全量采集→融合→评分→构建的闭环，Skill 总量从 954 快速扩展至 29526，保持数据鲜活度。

潜在局限

作为纯离线工具，SkillPick 依赖定期更新的本地数据包，无法实时反映 SkillHub 最新动态（如刚上架的新 Skill）。推荐范围限定在已收录的 Top 3000，长尾 Skill 虽可通过相似推荐间接覆盖，但直接搜索可能遗漏。此外，13 维评分虽全面，但部分维度（如测试覆盖）依赖 GitHub 数据，私有仓库或新仓库可能评分偏低，需结合热度分综合判断。

工作流场景目前仅覆盖 8 个（短视频带货、电商运营、内容营销、全栈开发等），垂直细分场景的支持有待扩展。中文品牌名「挑选Skill」虽已定名，但部分历史文档可能存在中英文混用的情况。

适合人群

• Agent 开发者：需要为特定场景快速筛选最优 Skill，或构建多 Skill 工作流组合
• 效率工具爱好者：希望系统性了解各赛道头部 Skill，避免盲目安装试错
• 企业选型决策者：通过 13 维质量报告评估 Skill 可靠性、维护活跃度和安全合规性
• SkillHub 重度用户：已安装大量 Skill，需要相似替代方案和工作流优化建议

使用风险

数据时效性：本地数据包非实时更新，建议关注 SkillManager 官方渠道获取最新发布包。

推荐依赖历史数据：热度分和质量分均基于历史表现，新兴黑马 Skill 可能存在「灯下黑」。

安全边界：SkillPick 本身仅操作本地文件、无网络请求，安全性优秀（S 级）；但其推荐的其他 Skill 的安全性不在认证范围内，安装推荐结果时需结合 SkillPick 的安全评分谨慎判断。

性能考量：加载 6MB JSON 数据对现代设备无压力，但在极低内存环境（<512MB）可能偶发卡顿。