Install
openclaw skills install @ming-shy/agentskill-reviewer评审 AgentSkills 质量并生成专业报告。用于检查 skill 的内容质量、结构完整性、文档清晰度、冗余问题。当用户要求"评审 skill"、"检查 skill 质量"、"审查 SKILL.md"、"分析这个 skill"时触发。
Skill Reviewer - AgentSkill 质量评审系统
本 skill 用于系统化评审 AgentSkill 的质量，核心目标：在保证功能完备的前提下，最大化精简 token 消耗。
核心矛盾
- 过度精简：说明不足，AI 无法正确执行任务
- 过度冗余：描述繁琐，浪费 context window，逻辑缠绕
目标：系统瘦身 + 逻辑完备 — 让 95% 的人（包括 AI）一眼看懂全流程。
评审流程
1. 初始扫描
读取目标 skill 的 SKILL.md：
- 理解该 skill 的核心功能
- 识别所有功能入口和工作流
- 记录 skill 的文件结构（scripts/、references/、assets/）
2. 逐项功能审核
对每个功能或子模块：
可理解性审核
- 是否可以被 95% 的人理解？
- 术语是否需要额外解释？
- 逻辑跳跃是否过大？
Token 效率审核
- 是否存在重复描述？
- 是否可以用脚本封装复杂逻辑？（模型只需调用一条命令）
- 是否可以扁平化层级结构？
- 是否可以用简洁示例替代冗长说明？
冗余内容审核
- 是否存在与功能无关的描述？
- 是否存在重复的文档片段？
- references/ 文件是否可以进一步精简或合并？
3. SKILL.md 审核
Frontmatter 检查
description是否清晰且包含触发场景？- 是否包含所有"何时使用"信息？
Body 检查
- 是否存在应该移至 references/ 的详细内容？
- 工作流描述是否简洁有力？
- 是否存在应删除的冗余段落？
Progressive Disclosure 检查
- SKILL.md body 是否控制在 500 行以内？
- 是否正确使用 references/ 分离详细文档？
- 是否在 SKILL.md 中正确引用外部文件？
4. 逻辑对齐检查（关键）
对比发现的问题与原始 skill 功能：
- 禁止为了瘦身而删减原本的任务逻辑
- 禁止改变原有功能的语义
- 仅精简表达方式，不改变功能范围
必要时运行 scripts/validate_logic.py 进行自动化逻辑对齐检查。详见 references/validation.md。
5. 生成评审报告
使用 scripts/generate_report.py 生成结构化报告，详见 references/report_template.md。
评分维度 (10 分制)：可理解性、Token 效率、功能完备性、结构合理性
报告结构：结论概览（打分）、优点、存在的问题（按严重程度分级）、优化计划（含 token 节省量和风险评估）
使用示例
# 评审某个 skill
评审 /path/to/my-skill
# 评审并指定输出路径
评审这个 skill 并输出报告到 ./reviews/my-skill-report.md
最佳实践
- 先理解再评审 — 不熟悉功能时，先问用户澄清
- 保守为主 — 不确定是否可删除时，保留并标注疑问
- 量化改进 — 给出具体 token 节省数值
- 提供示例 — 展示改进前后对比
输出格式
默认以中文输出，使用 Markdown 格式，清晰分级。报告默认保存到工作目录的 skill-reviews/ 子目录下，文件名为 <skill-name>-review-<date>.md。