核心用法
Skill Finder 是一款专注于技能发现与评估的辅助工具，其核心流程包括三步：首先通过 npx clawhub search 命令在 ClawHub 仓库中搜索相关技能；随后依据 evaluate.md 中的质量评估标准对结果进行专业评判；最后综合对比并推荐 1-3 个最匹配选项，附带详细推荐理由。
该工具强调"按需求搜索"而非"按名称搜索"，能够智能理解用户的功能诉求，如"有没有处理 X 的技能""帮我找能做 Y 的工具"等模糊查询场景。
显著优点
1. 精准匹配：突破关键词限制，基于功能语义理解用户需求
2. 质量把关：内置标准化评估体系，避免推荐低质技能
3. 偏好记忆：在严格隐私保护下记录用户显式反馈，持续优化推荐效果
4. 安全隔离：文件访问范围严格限定于 ~/skill-finder/ 目录
潜在缺点与局限性
- 依赖外部仓库：搜索能力受限于 ClawHub 的内容覆盖度
- 无自动安装：推荐后需用户手动执行安装操作
- 学习门槛：需理解显式偏好与推断偏好的区别，对用户表述清晰度有要求
- 存储容量限制：记忆文件上限 50 行，历史偏好可能因归档而丢失上下文
适合人群
- 需要快速定位特定功能技能的新手用户
- 追求技能质量、希望避免试错的效率型用户
- 有明确偏好习惯、愿意主动反馈的高级用户
常规风险
主要风险集中在隐私边界管理：系统严格禁止从用户行为中推断偏好，仅记录明确陈述的反馈。若用户表达模糊，可能导致偏好记录缺失或推荐不够个性化。此外，本地存储的 memory.md 文件需用户自行管理备份。