核心用法
Skill Finder 是一款面向 ClawHub 生态的技能发现工具，通过语义理解将用户需求转化为精准搜索。用户无需记忆技能名称，只需描述需求（如"处理 PDF 合同"），系统会自动拆解为编辑、生成、解析等具体场景并执行对应查询。
工作流程
1. 需求理解 — 将模糊描述转化为具体动作（如"PDF 帮助"→"pdf edit/form-fill/extract"）
2. 智能搜索 — 优先精确匹配，必要时逐步放宽条件
3. 质量评估 — 综合描述清晰度、下载量（维护活跃度）、最近更新时间和作者信誉
4. 对比推荐 — 排名最优的 1-3 个选项，附明确推荐理由
5. 偏好学习 — 仅基于用户明确反馈更新本地记忆文件
显著优点
- 零记忆负担：用户无需知道技能名称，自然语言即可触发
- 质量优先：拒绝盲目推荐，强制检查下载量、更新频率等硬指标
- 本地学习：
~/skill-finder/memory.md存储偏好，不上传行为数据 - 安全守门：扫描警告必须解释，禁止自动绕过风险技能
潜在缺点
- 依赖 ClawHub 索引质量：注册表元数据不完善时推荐可能偏差
- 学习滞后：仅记录显性反馈，隐性偏好需多次交互才能捕捉
- 单平台局限：仅支持 ClawHub 生态，无法跨注册表对比
适合人群
- ClawHub 新用户：快速发现生态能力边界
- 效率工具爱好者：需频繁试错寻找最优工作流
- 团队管理员：评估技能质量与维护状态后再推广
常规风险
- 隐私：搜索查询发送至公开注册表（仅查询文本，无身份信息）
- 误推荐：语义理解偏差可能导致工具-场景错配
- 记忆污染：用户若未明确表达偏好，长期推荐可能固化早期选择