Skill Finder (Find ClawHub skills + Search Skills.sh)

核心用法

Skill Finder 是 ClawHub 生态的技能发现中枢，采用「需求驱动搜索」而非「名称匹配」。当用户表达"处理PDF"等模糊需求时，系统会拆解真实意图（编辑/生成/解析），执行精准搜索并返回最优解。

标准工作流：理解需求 → 多维度搜索 → 质量评估 → 对比排序 → 推荐理由 → 学习反馈。所有操作通过封装好的 npx clawhub 命令完成，无需手动浏览注册表。

显著优点

| 维度 | 优势 |

|------|------|

| 智能解析 | 将自然语言转化为结构化搜索策略，避免"关键词猜谜" |

| 质量过滤 | 综合描述清晰度、下载量、更新频率、作者信誉四维度评估 |

| 持续学习 | 本地 `memory.md` 记录用户偏好（极简风格/功能丰富等），越用越准 |

| 安全可控 | 零静默行为，所有安装需显式确认；搜索历史与偏好完全本地存储 |

潜在局限

• 依赖生态成熟度：搜索结果质量受限于 ClawHub 注册表的技能覆盖度
• 冷启动问题：新用户缺乏历史偏好，需3-5轮交互才能建立有效画像
• 搜索精度边界：极度小众需求可能返回空结果，需人工放宽关键词

适合人群

• ClawHub 新用户：快速建立工具箱，避开低质技能
• 效率优化者：定期发现替代方案，升级工作流
• 团队管理员：批量评估技能质量，制定内部白名单

常规风险

低风险项：搜索查询会发送至公共注册表（仅含关键词，不含文件内容）；依赖 npx 环境需保持 Node 版本兼容。

缓解措施：敏感需求可先用泛化关键词试探；生产环境建议配合 skill-manager 进行版本锁定。

核心用法

Skill Finder 是一款帮助用户在 ClawHub 生态中发现、评估和推荐优质 Skill 的辅助工具。其核心工作流程遵循"理解→搜索→评估→比较→推荐→学习"六步闭环：

1. 需求理解：将模糊需求转化为精准搜索词（如"PDF 处理"细分为"pdf edit"/"pdf generate"/"pdf parse"）
2. 质量评估：综合考量描述清晰度、下载量（ popularity 暗示维护度）、最后更新时间、作者声誉
3. 智能推荐：不罗列结果，而是附推荐理由（如"2.3k 下载量，上周更新，契合合同编辑需求"）
4. 偏好学习：显式收集用户反馈（"偏爱精简 Skill""太冗长"），存入本地记忆文件用于后续过滤

显著优点

• 零代码风险：纯 Markdown 实现，无动态执行、无第三方依赖、无供应链攻击面
• 隐私优先设计：偏好数据完全本地存储（~/skill-finder/memory.md），仅搜索查询发送至公共注册表
• 质量导向：主动过滤低维护 Skill（警告"低下载量常意味着放弃维护"）
• 用户主权：绝不自动安装 Skill，必须获得明确 consent

潜在局限

• T3 来源可信度：维护者为个人开发者/社区项目，非企业级背书
• 功能边界：本身不具备 Skill 管理能力，需配合 skill-manager/skill-builder 等使用
• 网络依赖：核心功能依赖 ClawHub 注册表在线服务
• 记忆冷启动：新用户需积累足够反馈才能体现个性化推荐优势

适合人群

• ClawHub 新用户快速探索生态
• 有明确需求但不知如何精准描述的技术用户
• 注重 Skill 质量与维护活跃度的谨慎型用户
• 不愿频繁试错、希望建立个人偏好档案的长期使用者

常规风险

| 风险类型 | 等级 | 说明 |

|---------|------|------|

| 代码执行风险 | 极低 | 纯 Markdown，无可执行行 |

| 数据泄露风险 | 低 | 仅搜索关键词外传，不含敏感信息 |

| 供应链风险 | 极低 | 零第三方依赖 |

| 来源可信度 | 中 | T3 级别，建议用户自行审查 |

安全认证评分 82/100，等级 A，属"标准级安全，可放心使用"。