skill测试 — 技能测试

SkillsBench 评估工具 - 技能质量评估工具 安全说明 本技能仅进行静态文档分析，不执行任何代码，不访问网络，不修改文件系统。 所有评估基于 SKILL.md 文档内容，不涉及实际运行测试。

概述 本技能基于 SkillsBench 开源评估框架的方法论，为 OpenClaw 内网版提供专业的技能质量评估能力。 核心价值： 全面评估：覆盖触发准确性、文档质量、结构完整性等多维度 量化指标：提供可量化的评分和改进建议 安全可靠：纯静态分析，无代码执行风险 迭代优化：帮助技能作者持续改进文档质量

评估模式：静态文档分析 特点： 快速 - 几秒钟完成 安全 - 不执行任何命令 基于文档 - 分析 SKILL.md 内容 无风险 - 只读操作

适用场景： 评估技能文档质量 快速筛选多个技能 检查文档规范性 上传前质量检查 评估内容： Description 设计质量 文档结构和完整性 示例代码格式 资源文件组织 触发准确性设计

使用方式： 请评估 westock-data 技能 请检查 tapd 技能的文档规范性 帮助我评估 weather 技能的质量

评测维度

• 触发准确性（Trigger Accuracy）- 权重 30%

评估技能的 description 字段是否能准确触发。 测试方法：分析 description 是否清晰完整，检查是否包含关键触发词汇，评估是否明确了与其他技能的分工，验证触发词是否容易误触发 评分标准： 优秀（90-100分）：description 清晰全面，触发准确，无误触发风险 良好（70-89分）：大部分场景触发正确，少数边界情况不准确 一般（50-69分）：触发不稳定，description 需要改进 较差（低于50分）：description 不清晰，容易误触发或不触发

• 文档质量（Documentation Quality）- 权重 30%

评估技能文档的清晰度、结构和可读性。 测试方法：检查文档结构是否合理，评估示例是否充分且实用，验证是否遵循 OpenClaw 技能规范，检查格式是否统一 评分标准： 优秀（90-100分）：文档结构清晰，示例丰富，遵循规范，易读性强 良好（70-89分）：文档基本清晰，示例充足，少量格式问题 一般（50-69分）：文档结构混乱或示例不足，可读性差 较差（低于50分）：文档不清晰，缺少关键信息，难以理解

• 执行完整性（Execution Completeness）- 权重 25%

评估技能的指令描述是否完整、清晰、可理解。 注意：此维度仅评估文档层面的完整性，不实际执行代码。 测试方法：检查 SKILL.md 中的步骤是否完整，验证示例代码格式是否正确，检查是否包含必要的错误处理指引，评估参数说明是否完整 评分标准： 优秀（90-100分）：指令完整清晰，文档描述准确，步骤详细 良好（70-89分）：核心功能文档完整，部分细节需补充 一般（50-69分）：文档不完整或描述不清，缺少关键步骤 较差（低于50分）：指令不完整，缺少关键说明，无法理解

• 资源组织（Resource Organization）- 权重 15%

评估 scripts/references/assets 等资源文件的组织是否合理。 测试方法：检查文件目录结构是否符合规范，验证资源文件是否正确引用，评估是否遵循渐进式披露原则，检查文件命名是否规范 评分标准： 优秀（90-100分）：目录结构清晰，资源引用正确，遵循最佳实践 良好（70-89分）：结构合理，少量组织问题 一般（50-69分）：结构混乱或资源引用不清晰 较差（低于50分）：严重违反规范，资源组织混乱

最佳实践： skill-name/ ├── SKILL.md # 主文档，简洁清晰 ├── references/ # 详细参考文档 │ ├── api-reference.md │ └── examples.md ├── scripts/ # 辅助脚本（如有） └── assets/ # 图片等资源

使用流程 第 1 步：读取技能内容 read /path/to/skill/SKILL.md 如果包含 references/ 或 scripts/ 目录，也需要读取： ls /path/to/skill/references/ ls /path/to/skill/scripts/

第 2 步：进行多维度评估 按照 4 个维度逐一评估，每个维度给出： 评分（0-100） 发现的问题 改进建议

第 3 步：生成评估报告 生成结构化的评估报告，包括： 综合得分和评级 各维度详细分析 发现的问题清单 具体改进建议

评估报告模板 生成的评估报告应遵循以下结构： # 技能评估报告：SKILL_NAME 评估时间： YYYY-MM-DD HH：MM 评估模式： 静态文档分析 评估版本： VERSION_IF_AVAILABLE 评估者： OpenClaw SkillsBench 评估工具 ---

总体评分

综合得分： XX/100 | 维度 | 得分 | 等级 | 权重 | 加权得分 | |------|------|------|------|---------| | 触发准确性 | XX/100 | / / | 30% | XX.X | | 文档质量 | XX/100 | / / | 30% | XX.X | | 执行完整性 | XX/100 | / / | 25% | XX.X | | 资源组织 | XX/100 | / / | 15% | XX.X | 评级： 优秀 / 良好 / 一般 / 较差 ---

优点

• [列出技能的优点]
• ...

发现的问题

严重问题（P0）- [ ] [具体问题描述]

重要问题（P1）- [ ] [具体问题描述]

一般问题（P2）- [ ] [具体问题描述]

改进建议

优先级 1（立即修复）

• [具体建议，包括修改位置和修改方法]

优先级 2（短期优化）

• [具体建议]

优先级 3（长期改进）

• [具体建议]

详细分析

1. 触发准确性分析

Description 内容： [当前的 description] 分析： - [分析 description 的优缺点] - [是否容易触发] - [是否有误触发风险] 改进建议： - [具体的改进建议]

2. 文档质量分析

文档结构： - [分析文档的章节组织] - [评估示例的充分性] - [检查格式规范性] 发现的问题： - [列出具体问题] 改进建议： - [具体的改进建议]

3. 执行完整性分析

指令完整性： - [分析步骤是否完整] - [评估参数说明是否清晰] - [检查错误处理说明] 发现的问题： - [列出具体问题] 改进建议： - [具体的改进建议]

4. 资源组织分析

目录结构： [显示实际的目录结构] 分析： - [评估目录组织是否合理] - [检查文件命名规范] - [验证资源引用正确性] 改进建议： - [具体的改进建议]

总结

[总结性评价和核心建议] 关键改进点：

• [最重要的改进建议]
• [次重要的改进建议]
• [其他建议]

测评完成时间：

YYYY-MM-DD HH：MM 测评工具版本： skillsbench-evaluator v3.0（静态分析专版）

批量评估模式 当需要