核心用法
Skill Finder 是 ClawHub 生态的智能技能发现助手，核心使命是将用户的模糊需求转化为精准的技能推荐。其工作流程遵循"理解→搜索→评估→比较→推荐→学习"六步闭环：
1. 需求解析：将用户口语化描述转化为技术关键词，如"处理 PDF"细分为编辑、生成、解析等不同检索方向
2. 智能检索：通过 npx clawhub search 执行精准查询，避免泛化词汇带来的噪声
3. 质量评估：综合考察描述清晰度、下载量（反映维护热度）、最后更新时间（判断活跃度）、作者声誉四维度
4. 偏好学习：在 ~/skill-finder/memory.md 中记录用户明确表达的喜好，后续推荐自动加权
显著优点
- 零配置启动：自动初始化本地记忆目录，无需手动搭建
- 安全优先设计：强制拦截风险技能，禁用强制安装绕过，所有安装需显式用户确认
- 隐私本地化：搜索历史、偏好设置完全存储于本地
~/skill-finder/，仅查询本身发往公共仓库 - 透明可审计：每个推荐附带完整推理链条，用户可理解"为什么推荐这个"
潜在局限性
- 依赖仓库质量：若 ClawHub 技能元数据不完整，评估准确性受限
- 冷启动问题：新用户无历史偏好时，推荐偏大众化，个性化需多轮交互积累
- 搜索词转换门槛：用户极端口语化描述时，需求到关键词的映射可能失真
适合人群
- ClawHub 新用户：快速建立对技能生态的认知
- 效率优化者：希望找到维护活跃、下载验证过的可靠工具
- 安全敏感用户：重视安装前风险审查与权限控制
常规风险
- 第三方技能风险：即使经过评估，安装任何外部技能均存在潜在漏洞可能
- 偏好固化：长期记录可能导致推荐茧房，需定期手动探索新类别
- 本地文件安全：
~/skill-finder/目录权限需合理设置，防止其他进程读取偏好隐私