Skill Quality Assurance

Other

技能质量六维评估助手。使用结构化六维评估模型（T 技术深度、C 认知增强、O 编排能力、E 进化能力、M 市场验证、U 用户体验）对技能进行自动化评估。使用当：(1) 新技能开发完成后需要质量评估，(2) 现有技能需要版本升级评估，(3) 准备 ClawHub 上架前需要质量检查，(4) 定期技能健康检查。

Install

openclaw skills install skill-quality-assurance

Skill Quality Assurance - 技能质量评估助手

版本: v1.0.0
定位: 基于六维评估模型的技能质量自动化评估工具

🎯 核心功能

六维自动化评估 - 对技能进行 T/C/O/E/M/U 六维度评分
评估报告生成 - 输出结构化评估报告（Markdown）
改进建议生成 - 基于评估结果生成 P0/P1/P2 优先级改进项
上架准备检查 - ClawHub 上架前质量检查清单

🚀 使用方法

1. 评估单个技能

评估 [技能名称] 的质量

示例：
- 评估 meta-cognition-assistant 的质量
- 评估 event-orchestrator 的六维得分
- 对 first-principle-analyzer 进行质量评估

2. 批量评估

批量评估 [技能列表]

示例：
- 批量评估所有元技能的质量
- 评估 Phase 1 的 7 个技能

3. 生成评估报告

生成 [技能名称] 的评估报告

示例：
- 生成 skill-quality-assurance 的评估报告
- 输出 event-orchestrator 的六维评估报告

4. 上架前检查

检查 [技能名称] 是否准备好上架

示例：
- 检查 meta-cognition-assistant 是否准备好 ClawHub 上架
- 检查 first-principle-analyzer 的上架准备情况

📊 六维评估模型

T 维度（技术深度）

T = (T₁ + T₂ + T₃ + T₄) / 4

子维度	权重	评估要点
T₁ 架构设计	25%	分层清晰度、职责分离、模块依赖
T₂ 代码质量	25%	代码规范、注释充分、命名清晰
T₃ 性能表现	25%	响应速度、资源占用、基准测试
T₄ 测试覆盖	25%	单元测试、集成测试、E2E 测试覆盖率

评分标准:

0.9-1.0: 行业领先（创新架构、性能卓越、测试>95%）
0.8-0.9: 专业级（清晰分层、优于同类 70%+、测试>80%）
0.7-0.8: 良好（结构合理、平均水平、测试>60%）
0.6-0.7: 合格（基本结构、偶有卡顿、测试>40%）
< 0.6: 不足（架构混乱、性能差、测试<40%）

C 维度（认知增强）

C = (C₁ + C₂ + C₃ + C₄) / 4

子维度	权重	评估要点
C₁ 知识沉淀	25%	文档完整性、设计模式说明
C₂ 决策支持	25%	状态查询、进度追踪
C₃ 学习辅助	25%	代码注释、示例丰富度
C₄ 洞察提供	25%	历史追溯、数据分析

O 维度（编排能力）

O = (O₁ + O₂ + O₃ + O₄) / 4

子维度	权重	评估要点
O₁ 多技能协同	25%	事件驱动、技能间通信
O₂ 工作流编排	25%	状态机、流程管理
O₃ 资源调度	25%	速率限制、并发控制
O₄ 异常处理	25%	重试机制、错误恢复

E 维度（进化能力）

E = (E₁ + E₂ + E₃ + E₄) / 4

子维度	权重	评估要点
E₁ 自优化	25%	配置调整、性能优化
E₂ 自学习	25%	历史分析、模式识别
E₃ 自适应	25%	动态订阅、灵活扩展
E₄ 版本管理	25%	语义化版本、变更日志

M 维度（市场验证）

M = (M₁ + M₂ + M₃ + M₄) / 4

子维度	权重	评估要点
M₁ 用户验证	25%	真实用户数、用户反馈
M₂ 采用率	25%	上架状态、下载量
M₃ 反馈收集	25%	反馈渠道、问题追踪
M₄ 商业化	25%	定价策略、商业计划

U 维度（用户体验）

U = (U₁ + U₂ + U₃ + U₄) / 4

子维度	权重	评估要点
U₁ 易用性	25%	API 简洁度、学习曲线
U₂ 文档质量	25%	README 完整度、示例质量
U₃ 错误提示	25%	错误消息清晰度、解决建议
U₄ 可访问性	25%	接口友好度、平台支持

📋 评估流程

Phase 1: 信息收集

读取技能 SKILL.md 文件
分析代码结构（目录、文件数、代码行数）
检查测试文件（存在性、覆盖率）
检查文档完整性（README、示例）
检查上架状态（ClawHub 链接、版本）

Phase 2: 维度评分

对每个维度执行：

读取评估标准（references/six-dimensions-criteria.md）
逐项检查子维度
计算子维度得分
汇总维度得分

Phase 3: 报告生成

生成六维得分表
生成各维度详细评估
生成待改进项（P0/P1/P2 优先级）
输出评估报告（assets/evaluation-template.md）

Phase 4: 改进建议

根据得分差距生成：

P0（紧急）：差距>0.15 或阻塞上架
P1（重要）：差距>0.05
P2（次要）：差距≤0.05

🎯 应用的设计模式

1. 评估工厂模式（Evaluation Factory）

来源: first-principle-analyzer/src/evaluation-factory.js

核心思想: 将评估逻辑封装为可复用的工厂类，支持不同评估策略。

本技能应用:

// 评估工厂类
class EvaluationFactory {
  createEvaluator(dimension) {
    switch(dimension) {
      case 'T': return new TechnologyEvaluator();
      case 'C': return new CognitionEvaluator();
      case 'O': return new OrchestrationEvaluator();
      case 'E': return new EvolutionEvaluator();
      case 'M': return new MarketEvaluator();
      case 'U': return new UserExperienceEvaluator();
    }
  }
}

2. 渐进式披露设计（Progressive Disclosure）

来源: skill-creator SKILL.md

核心思想: 三层加载系统（元数据→SKILL.md→资源文件），按需加载详细信息。

本技能应用:

SKILL.md 保持核心流程（<500 行）
详细评估标准移至 references/six-dimensions-criteria.md
评估报告模板移至 assets/evaluation-template.md
评估引擎脚本移至 scripts/evaluation-engine.js

3. 六维评估模型（Six-Dimensions Model）

来源: 2026-04-15 学习日志（T 维度详细学习）

核心思想: 多维度综合评估，避免单一指标偏差。

本技能应用:

每个维度 4 个子维度，权重各 25%
维度得分 = 子维度平均
综合得分 = 六维平均
目标得分：≥0.70（B 级）

📁 文件结构

skill-quality-assurance/
├── SKILL.md                          # 本文件
├── scripts/
│   └── evaluation-engine.js          # 评估引擎核心
├── references/
│   └── six-dimensions-criteria.md    # 六维评估详细标准
└── assets/
    └── evaluation-template.md        # 评估报告模板

🔧 脚本使用说明

evaluation-engine.js

用途: 执行自动化评估

使用方法:

node scripts/evaluation-engine.js <skill-path> [output-path]

示例：
node scripts/evaluation-engine.js ~/.openclaw/skills/meta-cognition-assistant
node scripts/evaluation-engine.js ~/.openclaw/skills/event-orchestrator ./reports

输出:

控制台输出六维得分摘要
生成 Markdown 评估报告

✅ 质量检查清单

上架前必查项（P0）

六维平均分 ≥ 0.70
M 维度 ≥ 0.50（或已提交上架）
T 维度 ≥ 0.70（技术质量达标）
文档完整（SKILL.md + README）
测试覆盖 ≥ 60%

可选检查项（P2）

CLI 命令支持
多语言文档
视频教程

📈 评估报告示例

参考：~/.openclaw/skills/event-orchestrator/docs/evaluation-report.md

🎓 学习资源

六维评估标准：references/six-dimensions-criteria.md
评估工厂模式：first-principle-analyzer/src/evaluation-factory.js
渐进式披露设计：skill-creator SKILL.md

创建时间: 2026-04-15
创建者: 王的奴隶 · 严谨专业版
应用知识: 评估工厂模式、渐进式披露设计、六维评估模型

Skill Quality Assurance

Install

Skill Quality Assurance - 技能质量评估助手

🎯 核心功能

🚀 使用方法

1. 评估单个技能

2. 批量评估

3. 生成评估报告

4. 上架前检查

📊 六维评估模型

T 维度（技术深度）

C 维度（认知增强）

O 维度（编排能力）

E 维度（进化能力）

M 维度（市场验证）

U 维度（用户体验）

📋 评估流程

Phase 1: 信息收集

Phase 2: 维度评分

Phase 3: 报告生成

Phase 4: 改进建议

🎯 应用的设计模式

1. 评估工厂模式（Evaluation Factory）

2. 渐进式披露设计（Progressive Disclosure）

3. 六维评估模型（Six-Dimensions Model）

📁 文件结构

🔧 脚本使用说明

evaluation-engine.js

✅ 质量检查清单

上架前必查项（P0）

推荐检查项（P1）

可选检查项（P2）

📈 评估报告示例

🎓 学习资源