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。