导读 introduction

这篇文章提出了一套8维度的Skill量化评估框架。可靠性，设计了多模型交叉验证流程，并适配不同AI工具环境提供四种执行策略。该框架既能帮助开发者识别改进短板，也能辅助使用者横向对比选择优质Skill。但需注意其侧重于文档与设计质量评估，并非运行时性能的完整度量。

为什么需要一把尺子？

Skill 是 Agent 能力的最小封装单元。它把领域知识、工作流程和工具集成打包成一个即插即用的模块，让通用 Agent 秒变领域专家。按理说，

现在所有人都在写 Skill、分享 Skill。但遇到的问题是：

• 👷 你写的那个 Skill，真的够好吗？
• 🛜 网络上获取的 Skill 选哪一个更好？话说回来，

能跑和好用之间隔着十万八千里。

设定了一套 个维度的量化评估框架并实现了一个评估 Skill。从元数据质量、执行引导、领域知识密度到工作流完整性等，逐项打分、加权汇总，最终给出 Skill 的 S/A/B/C/D 等级评定。它能帮你审视自己的 Skill：哪里还有短板、该怎么改；也能横向对比多个 Skill：谁设计得更好、好在哪里。

审视自己的作品，它是改进路线图； 对比他人的作品，它是选型决策工具。

八个维度。把"感觉"变成"分数"

我们要评估一个 Skill 的好坏，不能只靠感觉，必须要有一套可量化的标准。老实说，

八个评估维度分布在 Skill 生命周期的三个阶段中

下面的 个维度分布在一个 Skill 从被发现到被执行完成的完整生命周期。分成三个评估阶段：

第一阶段：能不能被找到

一个 Skill 装好之后Agent 在每次对话中只会读到它的 name 和 description。如果这几十个字写得不好，Skill 就根本不会被触发，后面写得再好也没用了。

D1. 元数据质量 评估的就是这个第一印象. description 是否精准地描述了功能？是否包含了使用者可能使用的关键词？最好的 description 甚至会写明不该在什么场景触发,防止误触发。

This is only dimension that decides wher a skill lives or dies. Or dimensions affect “how good it is”,while D1 decides “wher it gets a chance to be used”.

D1 决定的是“有没有机会被用到”。其他维度影响的是“好不好用”。

D1 是唯一决定生死的维度。

D1 决定的是“有没有机会被用到”。其他维度影响的是“好不好用”。按理说，D1 决定的是“有没有机会被用到”。其他维度影响的是“好不好用”。D1 决定的是“有没有机会被用到”。其他维度影响的是“好不好用”。