什么是Skill Polisher
Skill Polisher 是一个专为技能开发者设计的只读分析系统，旨在帮助用户持续打磨和进化自己的技能。它通过自动收集用户对技能执行结果的评分与反馈，沉淀使用数据并定期生成健康报告和改进建议，让技能越用越好用。整个流程完全基于只读模式：系统不会修改任何技能文件（如 SKILL.md 或脚本代码），所有改进建议均以文档形式输出到本地目录，用户可自行决定是否采纳。
该工具的核心价值在于将主观的用户体验转化为可量化的数据指标。每次技能运行结束后，系统会主动询问用户对任务完成度进行评分（0-10分）、记录遇到的问题或改进意见。这些数据被结构化存储，并用于计算技能的健康度得分——综合近期平均分、使用频率、成功率和反馈丰富度四个维度。健康度不仅反映当前表现，还能预测未来优化方向。当技能连续表现不佳或收到多条同类负面反馈时，系统会自动触发打磨流程。
此外，Skill Polisher 内置了知识沉淀机制，包含最佳实践指南、常见踩坑记录和质量标准检查清单。这些资源帮助开发者遵循统一规范编写高质量技能，例如要求 SKILL.md 必须包含 YAML frontmatter 和使用场景说明，脚本需具备完善的错误处理和参数校验。所有建议均输出至 `~/.openclaw/workspace/.skill-polisher/polish-history/` 目录下，确保原始技能代码始终不受影响，既保障了数据安全又支持技能的独立发布与共享。
核心功能特点
- 自动收集用户对技能执行的评分与反馈，形成结构化数据
- 基于多维度指标计算技能健康度得分，提供可视化评估结果
- 仅读取技能文件进行分析，全程不修改任何代码或配置文件
- 根据健康度趋势和问题聚类，智能生成针对性改进建议
- 内置最佳实践、踩坑记录和质量标准，辅助技能规范化开发
适用场景
Skill Polisher 最适合那些需要长期维护、频繁迭代且依赖真实用户反馈的技能场景。例如，当一个 AI Agent 技能在多次实际任务中暴露出输出格式混乱或逻辑漏洞时，开发者可通过该工具追踪每次执行后的用户评分，快速定位问题根源。系统会将“表格渲染失败”这类具体问题归类为可复现的负面反馈，并在健康报告中标记为‘需关注’级别，进而生成调整输出模板的建议。
对于团队协作开发多个技能的情况，Skill Polisher 的知识库功能尤为实用。新成员加入项目时，可直接参考 best-practices.md 中的命名规范和脚本设计原则，避免因风格不一致导致后续维护困难。而经验丰富的开发者则可利用 pitfalls.md 中的历史案例预防类似错误，比如技能名称过长引发的加载故障或未声明外部依赖造成的运行中断。
更进阶的应用是将其集成到 CI/CD 流程中。虽然 Skill Polisher 本身不修改代码，但结合自动化测试框架后，可在每次技能更新后触发健康度扫描。若某技能连续三次评分低于阈值，则自动通知负责人查看 polish-history 中的改进方案，实现闭环的质量管控。这种机制特别适用于企业级技能平台的标准化管理，既能保证交付质量，又能积累组织级的技术资产。